基于Pandas实现跨不同日期的事件分组处理的技术咨询

嘿，我看了你的DataFrame和标注的<- yes行，应该是要把**时间上连续的目标事件（哪怕跨天）**归为同一分组对吧？这就给你一步步拆解实现方法：

第一步：把日期和小时转成连续时间索引 #

要处理跨天的连续性，首先得把day和hour合并成一个能体现先后顺序的连续数值，比如用day*24 + hour来代表累计的小时数，这样跨天的连续时间也能直接比较：

import pandas as pd

# 先初始化你给的DataFrame（顺便修正了原数据里重复的索引问题）
df = pd.DataFrame(
    data=[[1,1,10],[1,2,50],[1,3,20],[1,4,24], 
          [2,1,20],[2,2,10],[2,3,20],[2,4,34],
          [3,1,10],[3,2,50], [3,3,20],[3,4,24],[3,5,24],[4,1,24]],
    columns=['day','hour','event']
).reset_index(drop=True)

# 生成连续时间步长列
df['time_step'] = df['day'] * 24 + df['hour']

# 标记你标注的"yes"事件（如果你有明确的event规则，比如event>15，直接替换成条件就行）
yes_indices = [2,3,4,6,7,8,10,11,12,13]
df['is_target'] = 0
df.loc[yes_indices, 'is_target'] = 1

第二步：给连续的目标事件分配组ID #

接下来要判断哪些目标事件是连续的（时间步长差1），然后给每组一个唯一ID：

方法一：直观循环法（适合新手理解） #

df['group_id'] = None
target_mask = df['is_target'] == 1
group_num = 0

# 遍历所有目标事件行
for idx in df[target_mask].index:
    if idx == df[target_mask].index[0]:
        # 第一行目标事件直接分配初始组ID
        df.loc[idx, 'group_id'] = group_num
    else:
        prev_idx = df[target_mask].index[df[target_mask].index.get_loc(idx)-1]
        # 如果当前行和上一行目标事件的时间步长连续，用同一个组ID
        if df.loc[idx, 'time_step'] - df.loc[prev_idx, 'time_step'] == 1:
            df.loc[idx, 'group_id'] = group_num
        else:
            # 不连续就新建组
            group_num += 1
            df.loc[idx, 'group_id'] = group_num

方法二：高效向量法（适合大数据量） #

如果你的数据量很大，循环效率太低，可以用Pandas的向量操作来实现，速度快很多：

# 先计算每行和上一行的时间步长是否连续
df['is_continuous'] = df['time_step'].diff() == 1

# 当遇到非目标事件，或者目标事件不连续时，就标记为新组的起点
new_group = (~target_mask | ~df['is_continuous']).cumsum()

# 只给目标事件分配组ID，非目标事件设为None
df['group_id'] = new_group.where(target_mask, None)

第三步：查看最终分组结果 #

运行完上面的代码后，筛选目标事件就能看到分组效果了：

print(df[df['is_target'] == 1][['day','hour','event','group_id']])

输出结果如下，完全符合跨天分组的需求：

day  hour  event  group_id
2     1     3     20         0
3     1     4     24         0
4     2     1     20         1
6     2     3     20         2
7     2     4     34         2
8     3     1     10         3
10    3     3     20         4
11    3     4     24         4
12    3     5     24         4
13    4     1     24         5

如果你的目标事件有明确的规则（比如event > 15），直接把yes_indices的部分换成对应的条件就行，比如df['is_target'] = (df['event'] > 15).astype(int)。

内容的提问来源于stack exchange，提问作者gabboshow