修复pandas计算活动间隔新增cost_days列的形状不匹配错误

基础环境说明 #

• 运行环境基于Python，使用pandas存储智能灯泡开关运行日志DataFrame，包含5个字段：
  • date：时间戳
  • ID_bulb：灯泡ID
  • switch：开关状态
  • using_time：使用时长
  • error：状态标记
• 已提供完整样例数据。

功能需求 #

需在DataFrame中新增cost_days列，规则如下：

• 仅using_time字段值不为NaT的行填充计算结果，其余行该列统一填充0
• 计算逻辑：统计每个灯泡开启周期内，在自定义夜间时段（当日22:00至次日07:00）连续开启时长满n=5小时的天数
• 已提供符合要求的预期输出样例。

现有代码问题 #

现有实现参考@keramat的思路编写：

1. 将索引倒序后，对using_time的非空标记做cumsum运算，以此划分开关周期分组
2. 自定义rounder函数统计每个周期内符合要求的夜间天数
3. 分组计算环节运行无异常

执行如下赋值语句时触发报错：

df.loc[df[df['using_time'].notna()].index, 'cost_days'] = temp.values

报错信息如下：

ValueError: shape mismatch: value array of shape (8,) could not be broadcast to indexing result of shape (7,)

初步根因判断 #

当数据集末尾行的using_time值为NaT时，现有分组逻辑会额外生成1个无效分组，导致最终计算得到的结果数组长度，与需要赋值的目标行长度不匹配，需修复该逻辑问题以输出符合预期的计算结果。

内容的提问来源于stack exchange，提问作者Carola