在Pandas中查找月度各日最繁忙的1小时时段

嘿，我来帮你搞定这个问题！首先得明确核心需求：找出每个月的每一天里，任意连续1小时区间内的最大行程数量——我会覆盖几种常见的场景（毕竟有时候需求表述可能存在歧义），你可以根据实际情况选对应的方法。

第一步：数据预处理 #

不管哪种场景，第一步都是把字符串格式的时间列转成可计算的datetime类型，同时过滤掉跨天的行程（题目明确要求行程起止均在当日）：

import pandas as pd
import numpy as np

# 假设你的原始DataFrame名为df
df['trip_start'] = pd.to_datetime(df['trip_start'])
df['trip_end'] = pd.to_datetime(df['trip_end'])

# 过滤掉跨天的行程（确保行程起止都在同一天）
df = df[df['trip_start'].dt.date == df['trip_end'].dt.date]

# 新增日期列，方便按天分组计算
df['date'] = df['trip_start'].dt.date

场景1：统计与1小时窗口有重叠的最大行程数 #

这是最常见的需求：某个1小时区间内，只要行程的时间和该区间有重叠（不管是部分还是全部），就算入数量，我们要找这个数量的最大值。

实现思路 #

最大的重叠行程数一定会出现在某个行程的开始时间、结束时间，或者开始时间往前1小时、结束时间往后1小时的位置（这些是行程进入/离开窗口的临界点）。我们只需要检查这些临界点对应的1小时窗口，就能找到最大值。

代码实现 #

def max_overlapping_trips(day_df):
    # 把时间转成时间戳（单位：秒），方便数值计算
    starts = day_df['trip_start'].values.astype(np.int64) // 10**9
    ends = day_df['trip_end'].values.astype(np.int64) // 10**9
    hour_sec = 3600  # 1小时的秒数
    
    # 生成所有需要检查的临界点
    check_points = np.concatenate([starts, ends, starts - hour_sec, ends + hour_sec])
    
    # 过滤掉超出当日范围的点（窗口必须完全在当天内）
    day_start = day_df['trip_start'].min().floor('D').value // 10**9
    day_end = day_start + 24 * hour_sec
    check_points = check_points[(check_points >= day_start) & (check_points + hour_sec <= day_end)]
    
    max_count = 0
    for t in check_points:
        # 统计满足：行程开始<=窗口结束，且行程结束>=窗口开始的数量
        count = np.sum((starts <= t + hour_sec) & (ends >= t))
        if count > max_count:
            max_count = count
    return max_count

# 按日期分组计算，得到每日的最大重叠行程数
daily_max_overlap = df.groupby('date').apply(max_overlapping_trips).reset_index(name='max_overlapping_trips')

场景2：统计完全包含在1小时窗口内的最大行程数 #

如果需求是：只有整个行程都落在1小时窗口内才算入数量，那只需要调整统计条件即可：

代码实现 #

def max_contained_trips(day_df):
    starts = day_df['trip_start'].values.astype(np.int64) // 10**9
    ends = day_df['trip_end'].values.astype(np.int64) // 10**9
    hour_sec = 3600
    
    check_points = np.concatenate([starts, ends, starts - hour_sec, ends + hour_sec])
    day_start = day_df['trip_start'].min().floor('D').value // 10**9
    day_end = day_start + 24 * hour_sec
    check_points = check_points[(check_points >= day_start) & (check_points + hour_sec <= day_end)]
    
    max_count = 0
    for t in check_points:
        # 统计满足：行程开始>=窗口开始，且行程结束<=窗口结束的数量
        count = np.sum((starts >= t) & (ends <= t + hour_sec))
        if count > max_count:
            max_count = count
    return max_count

daily_max_contained = df.groupby('date').apply(max_contained_trips).reset_index(name='max_contained_trips')

场景3：统计1小时内开始的最大行程数 #

如果需求是：某个1小时区间内，有多少个行程是在这个区间内开始的，找这个数量的最大值，那可以用熊猫的滚动窗口功能，更简洁：

代码实现 #

def max_starts_per_hour(day_df):
    # 按行程开始时间排序
    day_df_sorted = day_df.sort_values('trip_start')
    # 用1小时的滚动窗口统计开始的行程数
    rolling_counts = day_df_sorted.rolling('1h', on='trip_start').count()['trip_start']
    return rolling_counts.max()

daily_max_starts = df.groupby('date').apply(max_starts_per_hour).reset_index(name='max_starts_per_hour')

内容的提问来源于stack exchange，提问作者user9610943