Pandas如何统计时间阈值前后固定间隔区间的数据点数量

首先确认你的DataFrame中时间戳列已转换为pandas支持的datetime类型，再按如下逻辑实现：

• 先定义基础参数：阈值、窗口时长、需要统计的阈值前后窗口数量
• 生成所有时间窗口的边界值与对应可读标签
• 用pd.cut给每个数据点匹配所属时间窗口
• 按窗口分组统计数据点数量即可

完整可运行代码示例：

import pandas as pd
from datetime import datetime

# 基础参数定义
threshold = datetime(2022, 1, 3, 9)  # 预设的时间阈值
window_len = pd.Timedelta(minutes=15) # 单窗口时长，示例为15分钟
prev_window_num = 2 # 统计阈值前2个窗口（对应示例到8:30）
next_window_num = 2 # 统计阈值后2个窗口（对应示例到9:30）

# 生成窗口边界与标签
bin_edges = [threshold - i*window_len for i in range(prev_window_num, 0, -1)]
bin_edges += [threshold + i*window_len for i in range(0, next_window_num+1)]
window_labels = [
    f"{bin_edges[i].strftime('%H:%M')}-{bin_edges[i+1].strftime('%H:%M')}"
    for i in range(len(bin_edges)-1)
]

# 处理DataFrame，假设你的表名为df，时间戳列名为timestamp
df['timestamp'] = pd.to_datetime(df['timestamp']) # 强制转时间类型，避免类型错误
df['belong_window'] = pd.cut(
    df['timestamp'],
    bins=bin_edges,
    labels=window_labels,
    include_lowest=True,
    right=False # 区间规则为左闭右开，避免边界时间点重复统计，可根据自身需求调整
)

# 输出各窗口统计结果
window_count = df['belong_window'].value_counts().reindex(window_labels).fillna(0).astype(int)
print(window_count)

参数调整说明 #

• 如果需要扩大/缩小统计范围，直接修改prev_window_num和next_window_num即可，例如需要统计阈值前后1小时的范围，两个参数都设为4即可（4*15分钟=60分钟）
• 如果需要修改窗口长度，直接调整window_len的参数即可，例如1小时窗口可写为pd.Timedelta(hours=1)
• 区间开闭规则可通过right和include_lowest参数调整，匹配你对边界时间点的统计要求即可
• 上述方法不要求阈值落在整15分钟刻度上，即使阈值是任意时间点（比如9点07分），也能正确生成对齐阈值的连续等长窗口。如果需要严格对齐自然时间的15分钟刻度（即每小时0/15/30/45分为边界），可以直接用df.resample(rule='15min', on='timestamp').count()实现，再截取阈值前后需要的范围即可。

内容的提问来源于stack exchange，提问作者clog14