如何为两个datetime变量区间的每小时生成date/hour变量统计在院患者数

你可以根据常用工具选择以下两种实现方式：

方法1：SQL实现（适用于数据存储在关系型数据库的场景） #

核心思路是先生成覆盖数据时间范围的连续整点时间序列，再和原表关联筛选出落在就诊时间区间内的小时即可，以MySQL 8.0+为例参考代码如下：

WITH RECURSIVE hour_series AS (
    -- 可根据实际数据的时间上下限调整起始、结束时间
    SELECT '2021-11-07 00:00:00' AS hour
    UNION ALL
    SELECT DATE_ADD(hour, INTERVAL 1 HOUR)
    FROM hour_series
    WHERE hour < '2021-11-08 23:00:00'
)
SELECT 
    t.ID,
    hs.hour AS DATE_HOUR_IN_ED,
    DATE_FORMAT(hs.hour, '%H:%i') AS HOUR_IN_ED
FROM 你的原表名 t
JOIN hour_series hs 
    ON hs.hour >= DATE_FORMAT(t.ARRIVAL_DATE_TIME, '%Y-%m-%d %H:00:00')
    AND hs.hour <= DATE_FORMAT(t.DISPOSITION_DATE, '%Y-%m-%d %H:00:00')
ORDER BY t.ID, hs.hour;

其他数据库仅需要调整时间函数的语法即可，整体逻辑通用。

方法2：Python Pandas实现（适用于数据已读取到DataFrame的场景） #

核心思路是对每行数据生成对应区间的整点时间序列后做展开，参考代码如下：

import pandas as pd

# 假设原数据已读入为df，先将时间字段转为datetime类型
df['ARRIVAL_DATE_TIME'] = pd.to_datetime(df['ARRIVAL_DATE_TIME'])
df['DISPOSITION_DATE'] = pd.to_datetime(df['DISPOSITION_DATE'])

# 定义生成区间内整点序列的函数
def generate_hours(row):
    start = row['ARRIVAL_DATE_TIME'].floor('H')
    end = row['DISPOSITION_DATE'].floor('H')
    return pd.date_range(start=start, end=end, freq='H')

# 生成小时列后展开为多行
df['DATE_HOUR_IN_ED'] = df.apply(generate_hours, axis=1)
df = df.explode('DATE_HOUR_IN_ED', ignore_index=True)

# 生成对应小时字段
df['HOUR_IN_ED'] = df['DATE_HOUR_IN_ED'].dt.strftime('%H:%M')

# 筛选需要的字段即为最终结果
result = df[['ID', 'DATE_HOUR_IN_ED', 'HOUR_IN_ED']]

得到转换后的结果后直接做数据透视，即可统计每小时的在院患者人数。

内容的提问来源于stack exchange，提问作者Raven