基于DataFrame日期时间列生成分类列的Python实现方案

嘿，我来帮你搞定这个根据时间区间生成分类列的需求！首先结合你给出的示例，先明确匹配规则（确保结果和示例完全对齐）：

• ON：当天16:00到次日09:00（含16:00，不含09:00）
• FH：09:00到10:00（含09:00，不含10:00）
• M：10:00到15:00（含10:00，不含15:00）
• SLH：15:00到15:30（含15:00，不含15:30）
• LH：15:30到16:00（含15:30，不含16:00）

下面是具体的实现代码，用pandas和numpy就能轻松完成：

import pandas as pd
import numpy as np

# 生成你提供的示例DataFrame
date_rng = pd.date_range(start='2024-01-01', periods=48, freq='30min')  
d = pd.DataFrame({'datetime': date_rng})

# 把时间转换成便于比较的数值：小时 + 分钟/60，比如09:30就是9.5，16:00就是16.0
d['time_num'] = d['datetime'].dt.hour + d['datetime'].dt.minute / 60

# 定义匹配条件和对应的标签
conditions = [
    # ON区间：16:00及之后，或者09:00之前
    (d['time_num'] >= 16.0) | (d['time_num'] < 9.0),
    # FH区间：09:00到10:00
    (d['time_num'] >= 9.0) & (d['time_num'] < 10.0),
    # M区间：10:00到15:00
    (d['time_num'] >= 10.0) & (d['time_num'] < 15.0),
    # SLH区间：15:00到15:30
    (d['time_num'] >= 15.0) & (d['time_num'] < 15.5),
    # LH区间：15:30到16:00
    (d['time_num'] >= 15.5) & (d['time_num'] < 16.0)
]

labels = ['ON', 'FH', 'M', 'SLH', 'LH']

# 生成分类列'part'
d['part'] = np.select(conditions, labels)

# 查看结果（和你给出的示例完全一致）
print(d.head(40))

代码小说明： #

1. 时间数值化：把datetime的小时和分钟转换成连续数值，避开直接处理时间字符串的麻烦，区间判断更直观。
2. 多条件匹配：用np.select处理多区间逻辑，清晰易懂，跨天的ON区间只需要用|（或）逻辑就能轻松覆盖。
3. 灵活调整：如果之后要修改区间边界，直接调整conditions里的数值就行，比如想把FH的起始时间改成09:30，只需要把第二个条件改成(d['time_num'] >=9.5) & (d['time_num'] <10.0)即可。

运行这段代码后，生成的part列就会和你给出的示例完全一致啦！

备注：内容来源于stack exchange，提问作者Chris