基于Pandas多时间列计算候诊室小时级负载的实现问题

核心实现逻辑 #

我们可以通过展开每位访客在店期间覆盖的所有整点时段，再按星期几+小时维度聚合统计的方式实现需求，完全匹配你给出的计算规则。

完整代码（基于你提供的MWE修改） #

from datetime import timedelta
import numpy as np
import pandas as pd

# 你原有的随机数据生成逻辑
startday= pd.to_datetime("1/1/2021")
endday = pd.to_datetime("1/14/2021")

arrival= pd.DatetimeIndex(
        (10**9*np.random.randint(startday.value//10**9, endday.value//10**9, 2000))
    ).sort_values()
treatment = pd.DatetimeIndex(
    [s + timedelta(minutes=np.random.randint(5, 55)) for s in arrival]
)
finish = pd.DatetimeIndex(
    [s + timedelta(minutes=np.random.randint(15, 60)) for s in treatment]
)

waiting = treatment - arrival
df = pd.DataFrame(
    data={
        "arrival": arrival,
        "treatment": treatment,
        "finish": finish,
        "waiting": waiting,
    },
    index=arrival,
)

# ----------------- 新增负载计算逻辑 -----------------
# 1. 为每条访客记录生成其在店期间覆盖的所有整点时段
df['covered_hours'] = df.apply(
    lambda row: pd.date_range(
        start=row['arrival'].floor('H'),
        end=row['finish'].floor('H'),
        freq='H'
    ),
    axis=1
)
# 2. 展开时段，每条记录对应一个小时
df_hourly = df.explode('covered_hours', ignore_index=True)
# 3. 提取时段的星期几、小时属性
df_hourly['weekday'] = df_hourly['covered_hours'].dt.weekday
df_hourly['hour'] = df_hourly['covered_hours'].dt.hour
# 4. 按星期几+小时聚合统计负载
load_stats = df_hourly.groupby(['weekday', 'hour']).size().rename('load')

# ----------------- 合并到你原有df2结构 -----------------
df2 = pd.DataFrame(
    data={
        "arrival": df["arrival"]
        .groupby([(idx := df["arrival"].dt).weekday, idx.hour])
        .count(),
        "treatment": df["treatment"]
        .groupby([(idx := df["treatment"].dt).weekday, idx.hour])
        .count(),
        "finish": df["finish"]
        .groupby([(idx := df["finish"].dt).weekday, idx.hour])
        .count(),
    },
).fillna(0)
df2["waiting"] = (
    df["waiting"].groupby([(idx := df["arrival"].dt).weekday, idx.hour]).mean()
)
# 合并负载数据
df2 = df2.join(load_stats, how='left').fillna({'load': 0})
# 如果需要计算每周同时段的平均负载，可以除以总周数
total_period_weeks = (endday - startday).days // 7 + 1
df2['avg_load_per_week'] = df2['load'] / total_period_weeks

逻辑验证 #

针对你给出的简单示例，上述逻辑的计算结果完全匹配：
示例输入：

arrival = [10:00, 10:15, 10:45, 11:30, 11:45, 12:15]
finish =  [10:30, 10:59, 11:45, 12:30, 12:45, 13:00]

计算得到的各时段负载：

• 10点：3人，匹配3+0
• 11点：3人，匹配2+1
• 12点：3人，匹配1+2

扩展说明 #

如果需要更换统计时间间隔（比如改为每15分钟统计），只需要修改pd.date_range里的freq参数，以及提取时间属性的逻辑即可，整体框架不需要调整。

内容的提问来源于stack exchange，提问作者Paw