Pandas实现合并重叠/相邻时间区间并删除被包含区间

API 探路者

2026-8-26

需求说明

我需要基于pandas实现以下两个时间区间处理功能：

合并相邻（间隔恰好为1天）或存在部分重叠的时间区间
移除区间完全被其他区间包含的行

测试数据集

使用的示例数据集代码如下：

import pandas as pd

df = pd.DataFrame([
        [42,1,'1990-01-01','2099-12-31'],
        [42,2,'1990-01-01','2099-12-31'],
        [42,2,'2010-10-01','2016-02-29'],
        [42,2,'2011-09-01','2014-09-30'],
        [42,2,'2012-04-01','2016-07-31'],
        [42,2,'2013-04-01','2014-06-30'],
        [42,2,'2013-09-01','2014-02-28'],
        [42,2,'2014-03-01','2017-04-30'],
        [42,2,'2014-10-01','2017-10-31'],
        [42,2,'2015-04-01','2015-12-31'],
        [42,2,'2016-03-01','2020-03-31'],
        [42,2,'2016-08-01','2016-12-31'],
        [42,2,'2017-01-01','2018-08-31'],
        [42,2,'2017-05-01','2018-12-31'],
        [42,2,'2017-11-01','2021-06-14'],
        [42,2,'2018-09-01','2019-01-31'],
        [42,2,'2019-02-01','2019-05-31'],
        [42,2,'2019-04-01','2021-03-31'],
        [42,2,'2019-06-01','2020-07-31'],
        [42,2,'2020-08-01','2021-03-14'],
        [42,2,'2021-03-15','2021-06-30'],
        [43,1,'1998-01-01','2001-12-31'],
        [43,1,'2010-03-15','2021-06-30'],
        [43,1,'2021-01-01','2021-12-31'],
        [43,2,'1998-01-01','1998-12-31'],
        [43,2,'1999-01-01','2000-12-31'],
        [43,2,'2001-01-01','2021-06-30']
    ], columns=['Id', 'SubId', 'Start', 'End'])
df['Start'] = pd.to_datetime(df['Start'])
df['End'] = pd.to_datetime(df['End'])

预期输出

处理后期望得到如下结果：

42, 1, 1990-01-01, 2099-12-31
42, 2, 1990-01-01, 2099-12-31
43, 1, 1998-01-01, 2001-12-31
43, 1, 2010-03-15, 2021-12-31
43, 2, 1998-01-01, 2021-06-30

已测试的无效方案

参考同类连续日期合并问题的方案编写了如下代码，但无法得到预期结果：

df = df.sort_values(['Id', 'SubId', 'Start'])
day_diff = (df['Start'] - df['End'].groupby([df['Id'], df['SubId']]).shift()).dt.days
group_no = (day_diff.isna() | day_diff.gt(1)).cumsum()
df_out = (df.groupby(['Id', 'SubId', group_no], dropna=False, as_index=False)
            .agg({'Id': 'first',
                  'SubId': 'first',
                  'Start': 'first',
                  'End': lambda x: x.iloc[-1]
                }))

该方案仅在所有区间均为相邻关系时可正常运行，如果存在覆盖范围更大的跨子区间总区间，方案无法记录总区间的完整范围，会输出错误结果，错误输出示例如下：

42 ,1 , 1990-01-01, 2099-12-31
42 ,2 , 1990-01-01, 2015-12-31  <-- 结束日期错误，预期应为2099-12-31
42 ,2 , 2016-03-01, 2021-06-30  <-- 错误，该条不应存在，应合并入上一条区间
43 ,1 , 1998-01-01, 2001-12-31
43 ,1 , 2010-03-15, 2021-12-31
43 ,2 , 1998-01-01, 2021-06-30

问题

按相同Id、SubId配对分组遍历处理时，是否可以通过跟踪分组内的最小Start、最大End值来实现正确的区间合并逻辑？

内容的提问来源于stack exchange，提问作者Benjamin