如何在Python中对DataFrame时间戳分箱并分配对应标签？

别担心，作为Python新手遇到这类时间分箱问题很正常，我来一步步帮你实现想要的效果！

首先确保你导入了必要的库，同时构造好你的示例DataFrame（如果还没完成的话）：

import pandas as pd
import numpy as np

# 你的示例数据
data = {
    'ID': ['A', 'B', 'C', 'D'],
    'Time': ['2:44PM', '3:23AM', '5:00PM', '12:00AM']
}
df = pd.DataFrame(data)

原始的Time列是字符串格式，我们需要先把它转换成pandas能识别的datetime格式，这样才能提取出小时信息用于分箱：

# 转换Time列，%I对应12小时制的小时，%p对应AM/PM标识
df['Time'] = pd.to_datetime(df['Time'], format='%I:%M%p')
# 提取小时数（范围0-23）
df['Hour'] = df['Time'].dt.hour

根据你的需求，特别注意12:00AM（对应hour=0）需要被分到标签3，这里推荐用np.select来实现，这种方式逻辑清晰，对新手更友好：

# 定义每个标签对应的判断条件
conditions = [
    # 12:00AM（不含）到6:00AM（不含）→ 标签0
    (df['Hour'] > 0) & (df['Hour'] < 6),
    # 6:00AM（含）到12:00PM（不含）→ 标签1
    (df['Hour'] >= 6) & (df['Hour'] < 12),
    # 12:00PM（含）到6:00PM（不含）→ 标签2
    (df['Hour'] >= 12) & (df['Hour'] < 18),
    # 6:00PM（含）到12:00AM（含）→ 标签3
    (df['Hour'] >= 18) | (df['Hour'] == 0)
]

# 对应条件的标签列表
choices = [0, 1, 2, 3]

# 生成T_flag列
df['T_flag'] = np.select(conditions, choices)

如果你坚持想用pd.cut，需要调整分箱边界来适配12:00AM的特殊情况：

# 自定义分箱边界，把0单独纳入最后一个区间
bins = [0, 6, 12, 18, 24, 0]
labels = [0, 1, 2, 3, 3]

# 生成T_flag，ordered=False允许非连续的分箱边界
df['T_flag'] = pd.cut(df['Hour'], bins=bins, labels=labels, include_lowest=True, ordered=False)
# 转换为数值类型
df['T_flag'] = df['T_flag'].astype(int)

最后你可以只保留需要的ID和T_flag列：

print(df[['ID', 'T_flag']])

输出结果完全符合你的期望：

ID  T_flag
0  A       2
1  B       0
2  C       2
3  D       3

内容的提问来源于stack exchange，提问作者user9821361