Pandas如何基于日期列生成period标识（全局时间/ID分组双场景）

前置准备 #

先将 datetime 列转换为 Pandas 时间格式，避免后续计算出错：

import pandas as pd

# 构造示例数据
data = {
    "ID": [11, 11, 11, 12, 11],
    "datetime": [
        "01-09-2021 10:00:00",
        "01-09-2021 10:15:15",
        "01-09-2021 15:00:00",
        "01-09-2021 15:10:00",
        "01-09-2021 18:00:00"
    ]
}
df = pd.DataFrame(data)
# 转换为时间格式，匹配日-月-年的输入格式
df['datetime'] = pd.to_datetime(df['datetime'], format='%d-%m-%Y %H:%M:%S')

需求1：全局基于时间间隔生成period #

直接计算所有行相邻时间差，超过2小时就标记为新周期起点，累计求和后加1得到从1开始的周期编号：

df['period'] = (df['datetime'].diff() > pd.Timedelta(hours=2)).cumsum() + 1

运行结果和给出的预期完全一致。

需求2：按ID分组后组内生成period #

对ID列分组，在每个分组内单独计算时间差、生成独立的周期编号：

df['period'] = df.groupby('ID')['datetime'].transform(
    lambda x: (x.diff() > pd.Timedelta(hours=2)).cumsum() + 1
)

运行结果和给出的分组预期完全匹配。

内容的提问来源于stack exchange，提问作者NineWasps