利用Pandas按日期过滤DataFrame，统计流媒体各节目观看量

我来帮你搞定这个流媒体节目观看人数统计的需求，咱们一步步拆解来做：

首先得提醒你，你加载programs_start_time的代码有点小问题——pd.DataFrame.from_dict()不能直接传JSON文件路径，得先把JSON内容读进来才行。另外，日志里的time只有时分秒，必须和节目日期（2019-05-29）拼接成完整的datetime，不然没法和节目的完整时间戳匹配。

完整的加载和时间格式化代码如下：

import pandas as pd
import json

# 处理日志数据：拼接完整日期+转换为datetime类型
viewers_from_log = pd.read_json('sqllog.json', encoding='UTF-8')
# 日志时间属于节目当天，拼接日期得到完整时间戳
viewers_from_log['full_time'] = pd.to_datetime('2019-05-29 ' + viewers_from_log['time'])

# 处理节目数据：先读取JSON文件，再转换为DataFrame
with open('programs.json', 'r', encoding='UTF-8') as f:
    programs_data = json.load(f)
# 提取目标日期的节目列表
programs_list = programs_data['2019-05-29']
programs_start_time = pd.DataFrame(programs_list)
# 转换节目开始时间为datetime，同时移除UTC时区标记（和日志时间保持一致的无时区格式）
programs_start_time['startTime_dt'] = pd.to_datetime(programs_start_time['startTime_dt']).dt.tz_localize(None)

这里用pd.merge_asof是最便捷的方案——它会按时间顺序，把每条日志匹配到最近的、时间不晚于日志时间的节目（也就是这条日志属于该节目播放时段）。不过要注意，两个DataFrame都得先按时间排序：

# 对两个DataFrame按时间排序，满足merge_asof的要求
viewers_from_log_sorted = viewers_from_log.sort_values('full_time')
programs_sorted = programs_start_time.sort_values('startTime_dt')

# 执行时间匹配，把日志和对应节目关联起来
matched_data = pd.merge_asof(
    viewers_from_log_sorted,
    programs_sorted,
    left_on='full_time',
    right_on='startTime_dt',
    direction='backward'  # 规则：找最近的、早于当前日志时间的节目开始时间
)

如果日志里有早于第一个节目开始时间的条目（比如你的示例里0:00:17、0:00:26早于第一个节目0:00:40），这些条目会被匹配到NaN，你可以根据需求单独处理（比如归为「节目开始前」）。

最后按节目分组统计日志数量，就是对应的观看人数了：

# 按节目标题和开始时间分组，统计日志条目数
viewer_stats = matched_data.groupby(['title', 'startTime_dt'])['logid'].count().reset_index()
# 重命名列名，让结果更清晰
viewer_stats.rename(columns={'logid': 'viewer_count'}, inplace=True)

print(viewer_stats)

用你的示例数据运行的话，结果里第一个节目之前的两条日志会显示NaN，第三条0:01:20的日志会匹配到第一个节目"Amiről a kövek mesélnek"，所以这个节目的viewer_count会是1。

如果想把节目开始前的条目单独统计，可以补充这段代码：

# 给NaN的标题赋值为「节目开始前」
matched_data['title'] = matched_data['title'].fillna('节目开始前')
# 给对应时间赋值为当天0点
matched_data['startTime_dt'] = matched_data['startTime_dt'].fillna(pd.to_datetime('2019-05-29 00:00:00'))

# 重新统计
viewer_stats = matched_data.groupby(['title', 'startTime_dt'])['logid'].count().reset_index()

这样就能完整统计所有日志的归属啦！

内容的提问来源于stack exchange，提问作者midi