如何筛选DataFrame时间列指定时段并统计不同State值的数量？

不用纠结between_time必须依赖datetime索引的限制，这里有几种简单直接的方法可以实现你的需求：

方法1：直接对time列进行时间范围筛选 #

既然你的time列已经是datetime.time类型，我们可以直接和目标时间对象比较，筛选出符合时段的行后再统计：

import pandas as pd

# 构造示例数据（和你的数据结构一致）
data = pd.DataFrame({
    'State': ['Reply', 'Reply', 'Forward', 'Forward', 'Reply'],
    'time': ['04:01:00', '08:04:00', '09:05:00', '12:06:00', '13:07:00']
})
# 转换time列为datetime.time类型（如果还没做的话）
data['time'] = pd.to_datetime(data['time']).dt.time

# 定义目标时段的起始和结束时间
start_time = pd.to_datetime('09:00:00').time()
end_time = pd.to_datetime('13:00:00').time()

# 筛选出9:00-13:00之间的行
filtered = data[(data['time'] >= start_time) & (data['time'] <= end_time)]

# 统计两种状态的数量
state_counts = filtered['State'].value_counts()

# 按照你想要的格式输出
print(f"（9:00:00至13:00:00）Forward = {state_counts.get('Forward', 0)}，Reply = {state_counts.get('Reply', 0)}")

运行这段代码后，针对你的示例数据会输出：

（9:00:00至13:00:00）Forward = 2，Reply = 0

方法2：临时构建datetime索引使用between_time #

如果你特别想用between_time方法，也可以临时给time列加一个任意日期（比如当天），拼接成完整的datetime后设置为索引，再调用方法：

import pandas as pd

data = pd.DataFrame({
    'State': ['Reply', 'Reply', 'Forward', 'Forward', 'Reply'],
    'time': ['04:01:00', '08:04:00', '09:05:00', '12:06:00', '13:07:00']
})
data['time'] = pd.to_datetime(data['time']).dt.time

# 拼接日期和时间，生成datetime列
data['datetime'] = pd.to_datetime('2024-01-01 ' + data['time'].astype(str))
# 设置为索引
data = data.set_index('datetime')

# 使用between_time筛选时段（include_end=False可以排除13:00:00整）
filtered = data.between_time('09:00:00', '13:00:00')

# 统计并输出
state_counts = filtered['State'].value_counts()
print(f"（9:00:00至13:00:00）Forward = {state_counts.get('Forward', 0)}，Reply = {state_counts.get('Reply', 0)}")

这个方法同样能得到和方法1一致的结果，好处是可以利用between_time的便捷性，而且日期不影响筛选（因为该方法只提取时间部分进行判断）。

小提示 #

• 如果你的需求是不包含13:00:00整，可以把方法1的条件改成data['time'] < end_time，或者在方法2的between_time里添加include_end=False参数。
• 要是想确保两种状态都显示（哪怕数量为0），可以用state_counts.reindex(['Forward', 'Reply'], fill_value=0)来补全计数。

内容的提问来源于stack exchange，提问作者Biyinzika