Python时间序列按月份汇总计算signal_value大于5的占比方法

• 前置依赖：确保已安装pandas库
• 第一步：转换时间戳格式
  先将DataFrame的timestamp字段转换为datetime类型，避免后续时间运算报错：

import pandas as pd
df['timestamp'] = pd.to_datetime(df['timestamp'])

• 第二步：按月分组计算占比（适配等间隔采样场景，绝大多数时序场景适用）
  等间隔采样的场景下，行数占比完全等于时间占比，直接对布尔值求均值即可得到目标占比：

monthly_gt5_ratio = df.groupby(df['timestamp'].dt.to_period('M'))['signal_value'].apply(
    lambda x: (x > 5).mean()
).reset_index(name='monthly_gt5_ratio')
print(monthly_gt5_ratio)

输出结果包含两列：timestamp列格式为YYYY-MM对应月份，monthly_gt5_ratio为对应月份内信号值大于5的时间占比，取值范围为0-1，需要百分比格式可自行乘以100。

• 补充：非等间隔采样场景加权计算
  如果你的时间序列采样间隔不固定，需要按时间差加权计算真实时间占比：

# 先按时间戳升序排序
df = df.sort_values('timestamp', ignore_index=True)
# 计算每条记录对应的有效时间长度
df['duration'] = df['timestamp'].shift(-1) - df['timestamp']
df['duration'] = df['duration'].ffill() # 最后一条记录用前序间隔填充，可按业务需求调整

# 加权计算占比
monthly_gt5_ratio = df.groupby(df['timestamp'].dt.to_period('M')).apply(
    lambda group: group[group['signal_value'] > 5]['duration'].sum() / group['duration'].sum()
).reset_index(name='monthly_gt5_weighted_ratio')

内容的提问来源于stack exchange，提问作者user17062211