基于全年通信中断事件数据集生成1分钟时序状态数据框需求

嘿，这个需求我刚好实操过，用Pandas就能完美解决，给你一步步拆解清楚：

1. 先搭好基础：生成全年1分钟时间序列 #

首先得创建目标DataFrame的核心——全年每分钟的时间戳。用pd.date_range就能轻松生成，记得指定年份和频率：

import pandas as pd
import numpy as np

# 以2023年为例，生成全年每分钟的时间序列
start_date = '2023-01-01 00:00:00'
end_date = '2023-12-31 23:59:00'
time_df = pd.DataFrame({'timestamp': pd.date_range(start=start_date, end=end_date, freq='T')})

2. 预处理原始中断数据集 #

先确保你的原始中断数据里的起止时间是datetime类型，不然没法做时间判断。我先模拟一份原始数据给你参考：

# 模拟原始中断记录（实际替换成你的真实数据即可）
raw_outages = pd.DataFrame({
    'line_id': ['L001', 'L001', 'L002'],
    'outage_start': ['2023-05-10 08:30:00', '2023-09-01 14:00:00', '2023-02-20 10:00:00'],
    'outage_end': ['2023-05-10 09:15:00', '2023-09-01 14:45:00', '2023-02-20 10:30:00']
})

# 把起止时间转换为datetime类型，这步很关键！
raw_outages['outage_start'] = pd.to_datetime(raw_outages['outage_start'])
raw_outages['outage_end'] = pd.to_datetime(raw_outages['outage_end'])

3. 给每条线路生成状态标记列 #

核心逻辑就是：对每条线路，找出所有落在中断时间段内的时间戳，标记为0；其余正常时间戳标记为1。这里给你两种实现方式，按需选择：

方式一：简洁版（适合中小数据量） #

用pd.IntervalIndex来快速判断时间戳是否在中断区间内：

# 获取所有唯一的线路编号
unique_lines = raw_outages['line_id'].unique()

for line in unique_lines:
    # 筛选当前线路的所有中断记录
    line_outages = raw_outages[raw_outages['line_id'] == line]
    # 创建中断时间区间的索引
    outage_intervals = pd.IntervalIndex.from_arrays(line_outages['outage_start'], line_outages['outage_end'], closed='both')
    # 逐个判断时间戳是否在中断区间，是则0，否则1
    time_df[line] = np.where(time_df['timestamp'].apply(lambda x: any(x in interval for interval in outage_intervals)), 0, 1)

方式二：高效向量化版（适合大数据量） #

全年有50多万条时间戳，大数据量下用向量化操作会快很多：

unique_lines = raw_outages['line_id'].unique()

for line in unique_lines:
    line_outages = raw_outages[raw_outages['line_id'] == line]
    # 先初始化全1的数组（默认正常状态）
    line_status = np.ones(len(time_df), dtype=int)
    # 遍历每个中断区间，把对应时间戳标记为0
    for _, row in line_outages.iterrows():
        mask = (time_df['timestamp'] >= row['outage_start']) & (time_df['timestamp'] <= row['outage_end'])
        line_status[mask] = 0
    # 把状态列加入到目标DataFrame
    time_df[line] = line_status

4. 最终效果 #

跑完上面的代码，time_df就是你要的目标DataFrame了：第一列是timestamp（全年每分钟的时间戳），其余列是各线路的状态——1代表正常，0代表处于中断事件中。

小提醒 #

• 如果同一条线路有重叠的中断时间段，上面的方法依然有效，只要落在任何一个中断区间就会被标记为0。
• 要是处理闰年，只需要调整start_date和end_date为对应闰年的日期就行。
• 数据量较大时，优先用方式二，速度会快不少。

内容的提问来源于stack exchange，提问作者user1047