如何计算Pandas DataFrame中fault列为Yes时的总时长（分钟）

前置准备 #

首先需将datetime列转为Pandas内置的时间类型，避免字符串运算出错：

import pandas as pd

# 示例数据构造，你可以替换成自己的DataFrame
data = {
    "datetime": ["2021-08-06T09:04:00", "2021-08-06T09:05:00", "2021-08-06T09:06:00", "2021-08-06T09:07:00", "2021-08-06T09:08:00"],
    "fault": ["No", "No", "Yes", "Yes", "No"]
}
df = pd.DataFrame(data)

# 转换时间列格式
df["datetime"] = pd.to_datetime(df["datetime"])

场景1：数据严格按分钟采样（和示例一致，每行对应1分钟） #

直接统计fault为Yes的行数即可，得到的就是总分钟数：

total_minutes = len(df[df["fault"] == "Yes"])
print(total_minutes)  # 输出为2，符合预期

场景2：数据采样间隔不固定（通用方案） #

需要先识别连续的Yes分组，再对每个分组计算时间跨度求和：

# 给连续相同的fault值打分组标记
df["group_id"] = (df["fault"] != df["fault"].shift()).cumsum()

# 筛选所有fault为Yes的分组，计算每个分组的时间跨度求和，转成分钟
total_seconds = df[df["fault"] == "Yes"].groupby("group_id")["datetime"].agg(
    lambda x: x.max() - x.min()
).dt.total_seconds().sum()

# 对齐示例逻辑：每个整点时间戳对应完整1分钟，所以总秒数除以60后加1
total_minutes = int(total_seconds / 60) + 1
print(total_minutes)  # 输出为2

内容的提问来源于stack exchange，提问作者Data_User