如何在DataFrame中计算时间戳的微秒累计求和值？

看起来你需要在指定的行区间内，计算时间戳的相邻差值累计和，并且只在A=1.0开始到B=1.0的区间内生效。下面是基于pandas的完整解决方案，完全匹配你的需求：

步骤1：加载数据并转换时间格式 #

首先把输入数据转为DataFrame，同时将time列转换成支持微秒精度的datetime类型，这是后续计算的基础：

import pandas as pd
import numpy as np

# 输入数据整理
data = {
    'time': ['2018-04-04 00:01:52.474', '2018-04-04 00:01:52.676', '2018-04-04 00:01:52.692',
             '2018-04-04 00:01:52.754', '2018-04-04 00:01:52.817', '2018-04-04 00:01:52.848',
             '2018-04-04 00:01:52.895', '2018-04-04 00:01:53.051', '2018-04-04 00:01:53.082',
             '2018-04-04 00:01:53.160', '2018-04-04 00:01:53.316', '2018-04-04 00:01:53.332'],
    'A': [0.0, 0.0, 0.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0],
    'B': [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0]
}

df = pd.DataFrame(data)

# 转换为带微秒的datetime类型，确保精度
df['time'] = pd.to_datetime(df['time'], format='%Y-%m-%d %H:%M:%S.%f')

步骤2：计算相邻行的时间差 #

先算出每行与前一行的时间差，单位为秒（保留微秒级精度）：

# 计算时间差，转换为秒数
df['time_diff'] = df['time'].diff().dt.total_seconds()

步骤3：确定累计求和的有效区间 #

根据你的需求，我们只在第一个A=1.0的行到第一个B=1.0的行这个区间内计算累计和：

# 找到累计起始点：第一个A=1.0的行索引
start_idx = df[df['A'] == 1.0].index[0]

# 找到累计结束点：第一个B=1.0的行索引
end_idx = df[df['B'] == 1.0].index[0]

# 创建掩码，标记哪些行需要计算累计
mask = (df.index >= start_idx) & (df.index <= end_idx)

步骤4：计算时间差的累计和 #

在有效区间内计算时间差的累计和，并将起始行的累计值设为0.0，同时保留三位小数匹配你的输出格式：

# 仅在掩码范围内计算累计和
df['cumsum_Time'] = np.where(
    mask,
    # 从起始行的下一行开始累加，再对齐整个DataFrame的索引
    df['time_diff'].iloc[start_idx+1:end_idx+1].cumsum().reindex(df.index),
    np.nan
)

# 起始行的累计值设为0.0
df.loc[start_idx, 'cumsum_Time'] = 0.0

# 保留三位小数，和你的期望输出一致
df['cumsum_Time'] = df['cumsum_Time'].round(3)

步骤5：添加额外标记（匹配你的变更输出） #

如果需要添加区间标记和注释，可以执行以下代码：

# 添加区间标记列
df['interval'] = np.where(mask, 1, np.nan)

# 添加自定义注释
df.loc[start_idx, 'note'] = 'this1'
df.loc[end_idx, 'note'] = 'this2'

最终结果 #

运行后得到的核心结果如下，完全匹配你的变更输出要求：

内容的提问来源于stack exchange，提问作者GrayHash