Pandas DataFrame分组统计时间差 计算组件可用与占用总时长

实现步骤 #

你之前直接分组求和时间差出错，核心原因是没有先计算每个状态条目的有效持续时长。原始数据里的Timestamp是状态的生效时间，单条数据本身没有时长信息，需要通过相邻的状态时间差计算。
具体实现代码如下：

1. 预处理时间列 #

首先把字符串格式的时间转换成pandas可运算的datetime类型：

import pandas as pd

# 匹配你提供的时间格式：日.月.年-时:分.秒
df["Timestamp"] = pd.to_datetime(df["Timestamp"], format="%d.%m.%Y-%H:%M.%S")

2. 计算单条状态的持续时长 #

按组件分组后按时间排序，用下一条状态的生效时间减去当前状态的生效时间，得到当前状态的持续时长：

# 按组件+时间升序排序，保证时间线正确
df = df.sort_values(by=["ComponentName", "Timestamp"]).reset_index(drop=True)

# 同组件内，下一行时间减当前行时间，得到当前状态的持续时长
df["duration"] = df.groupby("ComponentName")["Timestamp"].shift(-1) - df["Timestamp"]

# 可选配置：如果最后一条状态需要统计到指定结束时间，补充这部分代码即可
# end_time = pd.to_datetime('你需要的统计结束时间，格式如2020-10-26 00:00:00')
# df['duration'] = df['duration'].fillna(end_time - df['Timestamp'])

3. 按状态分组求和并格式化输出 #

按组件和状态分组对时长求和，再转换成你需要的可读格式：

# 分组求和后透视成目标表结构
res = df.groupby(["ComponentName", "Utilization"])["duration"].sum().unstack().reset_index()

# 重命名列名
res.columns = ["ComponentName", "Total_Available_time", "Total_Inuse_time"]

# 格式化timedelta为 天+小时 的可读形式
def format_duration(td):
    if pd.isna(td):
        return "0"
    days = td.days
    hours = td.seconds // 3600
    res_str = []
    if days:
        res_str.append(f"{days} days")
    if hours:
        res_str.append(f"{hours} hours")
    return " ".join(res_str) if res_str else "0"

res["Total_Available_time"] = res["Total_Available_time"].apply(format_duration)
res["Total_Inuse_time"] = res["Total_Inuse_time"].apply(format_duration)

执行后输出的res就是你要求的结果格式。

内容的提问来源于stack exchange，提问作者Elgun Valiyev