如何使用Pandas识别连续的时间周期？

核心思路 #

要识别并合并连续时间片段，关键是按时间排序后标记连续组，再筛选出包含至少2个片段的组进行合并，孤立片段直接排除。

具体步骤及代码实现 #

1. 准备示例数据

先构造符合需求的DataFrame（实际使用时替换为你的业务数据）：

import pandas as pd

data = {
    'id': [1,2,3,4,5,6,7],
    'cost': [10,15,20,5,12,8,18],
    'from': ['2024-01-01 01:00:00', '2024-01-01 01:30:00', '2024-01-01 02:00:00',
             '2024-01-01 04:00:00', '2024-01-01 05:00:00', '2024-01-01 05:30:00',
             '2024-01-01 10:30:00'],
    'to': ['2024-01-01 01:30:00', '2024-01-01 02:00:00', '2024-01-01 02:30:00',
           '2024-01-01 04:30:00', '2024-01-01 05:30:00', '2024-01-01 06:00:00',
           '2024-01-01 11:30:00']
}

df = pd.DataFrame(data)

2. 转换时间字段类型

确保from和to是可比较的datetime类型，否则无法判断时间连续性：

df['from'] = pd.to_datetime(df['from'])
df['to'] = pd.to_datetime(df['to'])

3. 按起始时间排序

必须保证时间片段按先后顺序排列，否则无法正确识别连续关系：

df = df.sort_values('from').reset_index(drop=True)

4. 标记连续分组

通过对比当前行的from与上一行的to，生成连续标记，再以此创建分组ID：

# 标记当前片段是否与上一个片段连续
df['is_continuous'] = df['from'] == df['to'].shift(1)
# 生成分组ID：每遇到不连续的片段，分组ID自动递增
df['group_id'] = (~df['is_continuous']).cumsum()

5. 筛选有效分组（排除孤立片段）

只保留包含至少2个片段的分组（单个片段属于孤立周期，不纳入合并范围）：

# 统计每个分组的片段数量
group_sizes = df.groupby('group_id').size()
# 筛选出片段数≥2的分组ID
valid_group_ids = group_sizes[group_sizes >= 2].index
# 过滤出有效分组的数据
df_valid = df[df['group_id'].isin(valid_group_ids)]

6. 合并连续周期

对每个有效分组，提取最早的起始时间、最晚的结束时间，可按需汇总其他业务字段（如总费用、片段数量）：

result = df_valid.groupby('group_id').agg(
    起始时间=('from', 'min'),
    结束时间=('to', 'max'),
    总费用=('cost', 'sum'),
    片段数量=('id', 'count')
).reset_index(drop=True)

最终结果示例 #

运行上述代码后，result会输出合并后的连续周期：

（注：示例中10:30-11:30是单个片段，被判定为孤立周期，未纳入结果）

内容的提问来源于stack exchange，提问作者Hal