如何基于进出时间范围统计每分钟室内人数并绘制累计计数时序图
人员进出日志每分钟人数统计实现方案
实现思路
- 时间格式转换:先把原始数据的进出字符串时间转为pandas可处理的datetime格式
- 事件化处理:将每个人的进出拆分为两个事件,进入事件对应+1,离开事件对应-1,注意离开事件要放在离开时间的下一分钟,保证离开的当前分钟仍计入在场
- 生成完整时间轴:覆盖从最早进入时间的前一分钟到最晚离开时间的后一分钟的所有整分钟点
- 遍历时间轴累加计数:按时间顺序处理每个时间点的所有事件,实时更新当前人数和在场人员列表,最后按要求格式输出即可
完整实现代码
import pandas as pd from datetime import timedelta # 示例数据 data = {'Person': ['A','B','C'], 'Enter': ['11:14:22','11:15:46','11:16:22'], 'Leave': ['11:16:40','11:18:21','11:18:22'], } df = pd.DataFrame (data, columns = ['Person','Enter','Leave']) # 转换时间列为datetime类型 df['Enter'] = pd.to_datetime(df['Enter']) df['Leave'] = pd.to_datetime(df['Leave']) # 生成事件列表:进入事件+1,离开事件算在离开时间的下一分钟,-1 events = [] for _, row in df.iterrows(): # 进入事件取整到进入的分钟 enter_min = row['Enter'].floor('min') events.append((enter_min, 1, row['Person'])) # 离开事件取整到离开分钟的下一分钟,离开的当前分钟仍算在场 leave_min = row['Leave'].floor('min') + timedelta(minutes=1) events.append((leave_min, -1, row['Person'])) # 转换事件为df,按时间排序 event_df = pd.DataFrame(events, columns=['time', 'delta', 'person']) event_df = event_df.sort_values('time') # 生成完整的时间序列,从最早时间前1分钟到最晚时间,步长1分钟 start_time = event_df['time'].min() - timedelta(minutes=1) end_time = event_df['time'].max() full_time = pd.date_range(start=start_time, end=end_time, freq='1min') # 统计每分钟的人数和在场人员 current_count = 0 current_people = set() result = [] for t in full_time: # 处理当前分钟的所有事件 t_events = event_df[event_df['time'] == t] for _, event in t_events.iterrows(): current_count += event['delta'] if event['delta'] == 1: current_people.add(event['person']) else: current_people.remove(event['person']) # 保存结果 result.append({ 'time': t.strftime('%H:%M'), 'count': current_count, 'people': sorted(list(current_people)) }) # 按要求格式输出 for item in result: t = item['time'] cnt = item['count'] people = item['people'] if cnt == 0: print(f"{t} - {cnt} (Empty)") else: people_str = ' + '.join(people) # 如需匹配示例的动态描述,可增加前后分钟人数对比判断逻辑 print(f"{t} - {cnt} ({people_str}在场)")
输出结果说明
运行代码后得到的统计结果和你给出的示例格式一致,拿到result里的时间和人数序列后,直接对接你已有的绘图逻辑即可生成人数变化趋势图。如果需要完全匹配示例中的动态描述(如“C进入,叠加A+B在场”),只需要增加前后分钟的人数和人员列表对比,根据差异生成对应描述即可。
内容的提问来源于stack exchange,提问作者denpy
相关产品推荐
相关产品推荐

