基于Power值的运动员间歇训练高功率区间时长统计技术问询

需求：基于Power值自动统计训练中的间歇训练次数，并计算Power超过200瓦的高强度时段总时长。

示例数据集：

import pandas as pd
from pandas import Timestamp

df = pd.DataFrame(
    [[Timestamp('2022-08-05 10:11:04'), 140, 120],
    [Timestamp('2022-08-05 10:11:05'), 160, 155],
    [Timestamp('2022-08-05 10:11:06'), 230, 156],
    [Timestamp('2022-08-05 10:11:07'), 230, 155],
    [Timestamp('2022-08-05 10:11:08'), 230, 160],
    [Timestamp('2022-08-05 10:11:09'), 140, 130],
    [Timestamp('2022-08-05 10:11:10'), 140, 131],
    [Timestamp('2022-08-05 10:11:11'), 230, 170]],
    columns=['timestamp', 'power', 'heart rate'])

解决方案步骤 #

1. 确保时间戳格式正确
   先确认timestamp列为datetime类型（若原始数据格式不符）：

df['timestamp'] = pd.to_datetime(df['timestamp'])

2. 标记高功率时段
   新增一列标记当前记录是否属于高功率（>200瓦）：

df['high_power'] = df['power'] > 200

3. 识别连续的高功率区间
   通过状态变化分组，区分不同的连续高功率间歇段：

# 标记每行与上一行的功率状态是否变化
df['state_change'] = df['high_power'].ne(df['high_power'].shift())
# 为每个连续的状态区间分配唯一ID
df['interval_id'] = df['state_change'].cumsum()

4. 计算高功率总时长与间歇次数
   分组统计每个高功率区间的起止时间和时长，再汇总结果：

# 筛选高功率区间并计算每个区间的时长
high_power_stats = df[df['high_power']].groupby('interval_id').agg(
    start=('timestamp', 'min'),
    end=('timestamp', 'max'),
    duration=('timestamp', lambda x: x.max() - x.min())
)

# 总高功率时长
total_duration = high_power_stats['duration'].sum()
# 间歇训练次数（即高功率区间的数量）
interval_count = len(high_power_stats)

结果说明 #

针对示例数据：

• 间歇训练次数为2次
• 高功率总时长为0 days 00:00:03（对应连续3秒的高功率段加上1秒的单独高功率记录，总时长3秒）

内容的提问来源于stack exchange，提问作者pepijn