带重叠事件的稀疏时间序列时间区间总时长计算方法咨询

更简洁安全的实现方案 #

你原来的核心思路是对的，我们可以换个更直接的逻辑：相邻两个事件的时间间隔内，亮灯的数量是固定的，只要这个数量大于0，就把这段时间差计入总时长，完全不需要做切换点配对，天然避免边界问题：

import pandas as pd

# 转换事件标记、计算累计亮灯数量
df["event_flag"] = df["事件（开/关）"].map({"on": 1, "off": -1})
df["cumulative_lit"] = df["event_flag"].cumsum()

# 计算相邻事件的时间差
df["time_diff"] = df["时间（秒）"].diff().shift(-1)

# 筛选亮灯数大于0的区间，求和时间差得到总时长
total_time = df.loc[df["cumulative_lit"] > 0, "time_diff"].sum()

用你给出的示例数据测试，得到的结果是12秒，和实际亮灯总时长完全匹配。

边界场景处理 #

上面的核心代码默认统计的是「第一个事件到最后一个事件之间的亮灯时长」，如果需要覆盖更复杂的场景，只需要加少量逻辑即可：

1. 事件记录不是从全灭状态开始：比如你开始记录时已经有2盏灯亮，只需要在计算累计亮灯数时加上初始值即可：

   initial_lit = 2 # 替换为实际初始亮灯数
   df["cumulative_lit"] = df["event_flag"].cumsum() + initial_lit
   

2. 需要统计到最后一个事件之后的时间：比如你要统计从0时刻到20秒的总亮灯时长，只需要补上首尾的额外判断：

   start_time = 0
   end_time = 20
   
   # 补初始时间段的亮灯时长
   if initial_lit > 0:
       total_time += df["时间（秒）"].iloc[0] - start_time
   
   # 补结束时间段的亮灯时长
   if df["cumulative_lit"].iloc[-1] > 0:
       total_time += end_time - df["时间（秒）"].iloc[-1]
   

原有方案的修补方式 #

如果你不想更换现有思路，只需要补上切换点的边界判断即可解决问题：

df["event_flag"] = df["Event (on/off)"].map({"on": 1, "off": -1})
df["cumulative"] = df["event_flag"].cumsum()
df["cumulative"] = df.apply(lambda x: 1 if x >= 1 else 0)

switch_rows = df["Time (s)"][df["cumulative"].diff != 0].tolist()

# 补开头判断：如果第一个事件发生时已经是亮灯状态，插入起始时间
if df["cumulative"].iloc[0] == 1:
    switch_rows.insert(0, 0) # 0可替换为你需要的统计起始时间

# 补结尾判断：如果切换点数量为奇数，说明结束时还在亮灯，插入结束时间
end_time = df["Time (s)"].iloc[-1] # 可替换为自定义统计结束时间
if len(switch_rows) % 2 == 1:
    switch_rows.append(end_time)

total_time = 0
for i in range(0, len(switch_rows), 2):
    total_time += switch_rows[i+1] - switch_rows[i]

内容的提问来源于stack exchange，提问作者Apollo42