Python pandas基于starttime和endtime生成排队计数队列的实现方法

• 第一步：时间格式转换，将原数据中字符串格式的date、starttime、endtime拼接为完整的datetime类型，方便后续时间比较，避免跨天统计错误。
• 第二步：按storeid分组，仅统计同门店的记录重叠情况。
• 第三步：对分组内每一行，统计满足「starttime <= 当前行starttime 且 endtime > 当前行starttime」的记录总数，即为当前行的queue值。如果你的规则中结束时间等于当前starttime也算有效，把判断条件里的>改为>=即可。

import pandas as pd

# 构造示例输入数据
data = {
    'date': ['2/3/20', '2/3/20', '2/3/20', '2/3/20', '2/3/20'],
    'starttime': ['6:20 pm', '6:25 pm', '6:29 pm', '7:21 pm', '6:21 pm'],
    'endtime': ['7:20 pm', '7:25 pm', '7:40 pm', '7:59 pm', '7:21 pm'],
    'storeid': [12231, 12231, 12231, 12231, 12232]
}
df = pd.DataFrame(data)

# 1. 转换为完整datetime格式
df['start_dt'] = pd.to_datetime(df['date'] + ' ' + df['starttime'])
df['end_dt'] = pd.to_datetime(df['date'] + ' ' + df['endtime'])

# 2. 分组计算queue值（逻辑清晰，适合新手理解）
def calc_queue(group):
    for idx, row in group.iterrows():
        # 统计同分组内时间重叠的记录数
        cnt = ((group['start_dt'] <= row['start_dt']) & (group['end_dt'] > row['start_dt'])).sum()
        group.loc[idx, 'queue'] = cnt
    return group

df = df.groupby('storeid', group_keys=False).apply(calc_queue)

# 3. 输出结果时删除中间辅助列
df_result = df.drop(columns=['start_dt', 'end_dt'])
print(df_result)

运行代码后输出结果和给出的期望输出完全一致：

如果数据量超过10万行，逐行apply的效率会偏低，可以用扫描线算法优化：将每个记录的start标记为+1，end标记为-1，按时间排序后累加计数，时间复杂度可以从O(n²)降到O(nlogn)。

内容的提问来源于stack exchange，提问作者Prashant Pandya