Pandas含重叠分组/窗口的groupby适配性及替代方案问询

这个问题我之前也踩过坑！普通的groupby确实没法让跨天事件同时归属到多个日期分组里，核心思路是先把每个事件拆分成它覆盖的所有日期的独立行，之后再用groupby就完全符合需求了。

我先补全你的示例数据，方便演示：

import pandas as pd

# 构造每6小时一个的事件，必然会有跨天的情况
start = pd.DatetimeIndex(start='2018-02-01 21:00:00', end='2018-02-05 21:00:00', freq='6h')
df = pd.DataFrame({
    'start': start,
    'end': start.shift(1),  # 每个事件持续6小时
    'event_id': range(len(start))  # 给事件加ID方便跟踪
})
df = df.dropna()  # 移除最后一行的空值（shift生成的）

第一步：生成每个事件覆盖的所有日期 #

我们需要给每个事件生成它涉及的所有日期（从事件开始的日期到结束的日期），用apply结合pd.date_range就能实现：

# 为每行事件生成覆盖的日期列表
df['covered_dates'] = df.apply(
    lambda row: pd.date_range(start=row.start.date(), end=row.end.date(), freq='D'),
    axis=1
)

比如一个从2018-02-01 21:00到2018-02-02 03:00的事件，covered_dates会包含2018-02-01和2018-02-02两个日期。

第二步：拆分事件为多行 #

用explode方法把每个事件拆分成对应日期的独立行，这样跨天事件就会出现在所有它涉及的日期分组里：

expanded_df = df.explode('covered_dates')

现在看expanded_df，原本的跨天事件会变成两行，分别对应两个日期，完全满足你的需求。

第三步：正常分组并应用函数 #

现在就可以像普通分组一样操作了，比如统计每天的独立事件数：

# 按日期分组，统计每天的事件数量
daily_event_count = expanded_df.groupby('covered_dates')['event_id'].nunique()

如果需要更精细的计算（比如每个事件在当天的实际贡献时长），可以写个自定义函数应用到每行：

def get_daily_duration(row):
    # 事件的真实起止时间
    event_start = row.start
    event_end = row.end
    # 当前行对应的日期
    current_day = row.covered_dates
    # 当天的时间范围（00:00到次日00:00）
    day_start = pd.Timestamp(current_day)
    day_end = day_start + pd.Timedelta(days=1)
    
    # 计算事件与当天的重叠时长
    overlap_start = max(event_start, day_start)
    overlap_end = min(event_end, day_end)
    return (overlap_end - overlap_start).total_seconds() / 3600  # 转换为小时

# 计算每行的当日贡献时长
expanded_df['daily_duration'] = expanded_df.apply(get_daily_duration, axis=1)

# 按日期求和，得到每天的总事件时长
daily_total_duration = expanded_df.groupby('covered_dates')['daily_duration'].sum()

为什么这个方法比直接groupby好？ #

普通groupby只能把事件归到单一分组（比如start日期或end日期），而这种拆分方法让跨天事件同时属于所有它覆盖的日期，完全匹配你的业务需求。而且拆分后的DataFrame可以复用所有pandas的分组操作，灵活性拉满。

内容的提问来源于stack exchange，提问作者bnaul