按Task列分组并基于Start time生成任务分类列的技术需求

嘿，针对你这个需求，我给你准备了两种常用场景的实现方案，分别是Python Pandas（数据分析常用）和SQL（数据库端处理）的版本，你可以根据自己的使用场景来选～

Python Pandas 实现 #

如果你的数据是用Pandas处理的，用分组+转换的方式就能轻松搞定：

import pandas as pd

# 示例数据集
df = pd.DataFrame({
    'Task': ['A', 'A', 'B', 'B', 'C', 'C', 'C'],
    'Start time': ['2024-05-01 08:30', '2024-05-01 08:30', '2024-05-02 10:00', '2024-05-02 11:00', '2024-05-03 09:15', '2024-05-03 09:15', '2024-05-03 09:15']
})

# 新增标记列
df['Task Label'] = df.groupby('Task')['Start time'].transform(
    lambda group: 'X' if group.nunique() == 1 else 'Y'
)

print(df)

代码说明： #

• groupby('Task')：把相同任务的所有行归为一组
• transform()：将分组计算的结果广播回原DataFrame的每一行，保证每个任务的所有行都能拿到对应的标记
• group.nunique() == 1：判断该组内的Start time是否只有唯一值，是则标记为X，否则标记为Y

SQL 实现 #

如果你的数据存在数据库里，用窗口函数就能直接在查询时生成标记：

SELECT
    Task,
    `Start time`,
    CASE
        WHEN COUNT(DISTINCT `Start time`) OVER (PARTITION BY Task) = 1 THEN 'X'
        ELSE 'Y'
    END AS `Task Label`
FROM your_dataset_table;

代码说明： #

• PARTITION BY Task：按任务分组
• COUNT(DISTINCT Start time) OVER (...)：统计每个任务组内不同的Start time数量
• CASE语句：根据统计结果判断标记，唯一值则为X，否则为Y

注意事项 #

• 确保Start time的格式统一：如果是字符串类型，要避免类似2024-05-01和2024/05/01这种格式差异导致的误判；如果是日期类型，就不用担心这个问题啦。
• 如果是大型数据集，SQL的窗口函数性能通常会更优，而Pandas适合本地小批量数据处理。

内容的提问来源于stack exchange，提问作者Nick Adams