Pandas如何正确为跨日自定义时间区间设置分组索引

直接用pandas原生时间偏移逻辑即可实现「当日20:00至次日13:30为同一分组」的需求，不需要逐行拆分日期、时间字段做累计求和，以下是两种可直接复用的实现方式：

方法1：时间偏移打标（性能最优，推荐） #

核心逻辑：把所有时间戳统一向前偏移20小时，原本跨自然日的同区间数据会落到同一个自然日维度下，直接按天归一即可生成连续的分组ID，全向量化运算比逐行遍历效率高1~2个数量级。

import pandas as pd
import datetime

# 先确保date列转为标准datetime格式，设为索引简化时间操作
new = new.copy()
new['date'] = pd.to_datetime(new['date'])
new = new.set_index('date')

# 核心：偏移20小时后按天取整，再因子化生成连续独立索引
new['session_id'] = (new.index - pd.Timedelta(hours=20)).floor('d').factorize()[0]

针对你提供的样例数据，分组结果完全符合预期：

• 2016-01-04 13:15:00 归入前序区间（1月3日20:00-1月4日13:30）
• 2016-01-04 20:00:00 到 2016-01-05 11:45:00 全部归入同一区间（1月4日20:00-1月5日13:30），ID一致
• 自动跳过周末、节假日等无数据的断层，不会出现ID错配

方法2：修正Grouper参数实现 #

你之前用pd.Grouper(freq='17hours')不生效的原因是：固定频率分组默认从时间序列的最早零点开始计算偏移，没有对齐你要的20:00区间起点，补上offset参数指定对齐起点即可：

# 区间总时长为17小时30分，offset指定分组起点对齐到每日20:00
new['session_id_grouper'] = new.groupby(
    pd.Grouper(freq='17h30min', offset='20h')
).ngroup()

附：原有代码优化 #

你之前写的非交易时段筛选函数可以去掉冗余的副本创建、逐行列表推导逻辑，用pandas原生向量化接口简化：

def get_out_of_market_data(data):
    dt_col = pd.to_datetime(data['date'])
    time_part = dt_col.dt.time
    # 筛选<13:30 或 >=20:00的非交易时段
    filter_cond = (time_part < datetime.time(hour=13, minute=30)) | (time_part >= datetime.time(hour=20, minute=0))
    return data[filter_cond]

内容的提问来源于stack exchange，提问作者Jackintosh