基于时间戳跨行汇总数据：合并拆分行程段技术问询

我来帮你搞定这个行程合并的问题，用Python的pandas就能高效处理这类数据清洗场景，下面是具体的步骤和代码示例：

1. 先给数据排好序 #

首先得确保数据按user_id、purpose和start_timeh排序，这样同一行程的分段才会挨在一起，方便后续处理：

import pandas as pd

# 读取你的数据文件，替换成实际路径
df = pd.read_csv('your_trip_data.csv')

# 按用户ID、行程目的、开始时间排序，重置索引避免混乱
df = df.sort_values(by=['user_id', 'purpose', 'start_timeh']).reset_index(drop=True)

2. 给同一行程的分段打标签 #

接下来要给属于同一完整行程的分段打上相同的分组ID。判断规则就是你说的三个条件：用户ID相同、行程目的相同、当前段的开始时间等于上一段的结束时间。我们用shift()函数对比当前行和上一行的值，生成分组标识：

# 生成分组ID：只要任意一个条件不满足，就开启新的分组
df['group_id'] = (
    (df['user_id'] != df['user_id'].shift()) |
    (df['purpose'] != df['purpose'].shift()) |
    (df['start_timeh'] != df['end_timeh'].shift())
).cumsum()

这里的逻辑很直观：如果当前行和上一行不满足三个条件中的任意一个，就把分组ID加1，这样同一行程的所有分段都会被分到同一个group_id下。

3. 合并同一分组的行程段 #

最后按group_id分组，聚合出完整的行程记录：取用户ID和目的的唯一值，开始时间取分组里最早的，结束时间取最晚的：

# 分组聚合得到合并后的行程
merged_trips = df.groupby('group_id').agg(
    user_id=('user_id', 'first'),
    purpose=('purpose', 'first'),
    start_timeh=('start_timeh', 'min'),
    end_timeh=('end_timeh', 'max')
).reset_index(drop=True)

4. 验证合并结果 #

你可以随便挑几个用户的记录看看合并效果，比如：

# 查看用户ID为3的合并后行程
print(merged_trips[merged_trips['user_id'] == 3])

如果你的时间字段是datetime类型，处理逻辑完全一样，只要确保排序和对比时类型正确就没问题。

内容的提问来源于stack exchange，提问作者GGT