根据其他日期时间间隔对日期时间间隔进行分类并将值放在列上答案

【问题标题】：Categorize a datetime interval based on other datetime interval and put values on columns根据其他日期时间间隔对日期时间间隔进行分类并将值放在列上
【发布时间】：2022-01-14 18:56:09
【问题描述】：

我正在应对一个艰巨的挑战，但我不知道如何解决它。

我有一个这样的数据框：

Product_Name        Start_Time               End_Time
 Product X      2021-10-20 20:32:00     2021-10-21 03:50:00 
 Product Y      2021-10-21 11:50:00     2021-10-21 16:00:00 
 Product Z      2022-01-11 20:10:00     2022-01-12 15:30:00

我有 3 个范围时间和一个类别：

A: 05:01 to 14:00
B: 14:01 to 22:00
C: 22:01 to 05:00

我想要做的是根据“Start_Time”和“End_Time”计算每个类别（A、B 和 C）有多少小数小时，达到如下所示：

Product_Name        Start_Time               End_Time           A        B       C
 Product X      2021-10-20 20:30:00     2021-10-21 03:50:00    0.00     1.50    5.82
 Product Y      2021-10-21 11:50:00     2021-10-21 16:00:00    2.17     1.98    0.00
 Product Z      2022-01-11 20:10:00     2022-01-12 15:30:00    8.98     3.31    6.98

你们能帮我怎么做吗？

我是 python、pandas 等方面的真正初学者，当我第一次写这篇文章时，我真的不知道如何开始编写代码。所以我开始思考一些事情，我得到了这个代码，我确定它不正确，但我认为这是一个开始：

start_a = 05:01:00
end_a = 14:00:00

start_b = 14:01:00
end_b = 22:00:00

start_c = 22:01:00
end_c = 05:00:00



if df['Start_Time'] > start_a and df['End_Time'] < end_a:
    df['A'] = ( df['End_Time'] - start_a ) - ( end_a - df['Start_Time'] )   

else:
    df['A'] = 0


if df['Start_Time'] > start_b and df['End_Time'] < end_b:
    df['B'] = ( df['End_Time'] - start_b ) - ( end_b - df['Start_Time'] )   

else:
    df['B'] = 0


if df['Start_Time'] > start_c and df['End_Time'] < end_c:
    df['C'] = ( df['End_Time'] - start_c ) - ( end_c - df['Start_Time'] )   

else:
    df['C'] = 0

【问题讨论】：

标签： python pandas date datetime

【解决方案1】：

你的问题比我想象的要困难得多。需要注意的一件事是Start_Time 和End_Time 可以有不同的日期。此外，C 类跨越两天。这两个事实都使代码有点复杂，但它似乎可以工作。

首先，针对您的问题进行设置。我创建了您的数据框并创建了变量。重要的是这些结构具有正确的数据类型。

import pandas as pd
from io import StringIO
from datetime import datetime, time, date, timedelta

# Create your data frame
data = StringIO("""Product_Name     Start_Time     End_Time
 Product X      2021-10-20 20:32:00     2021-10-21 03:50:00 
 Product Y      2021-10-21 11:50:00     2021-10-21 16:00:00 
 Product Z      2022-01-11 20:10:00     2022-01-12 15:30:00""")
df = pd.read_csv(data, sep='     ', engine='python')

# Convert the columns to date time format
df[["Start_Time", "End_Time"]] = df[["Start_Time", "End_Time"]].apply(pd.to_datetime)

# Create the range start and end time as datetime format
start_a = datetime.strptime('05:01:00', '%H:%M:%S')
end_a = datetime.strptime('14:00:00', '%H:%M:%S')
start_b = datetime.strptime('14:01:00', '%H:%M:%S')
end_b = datetime.strptime('22:00:00', '%H:%M:%S')
start_c = datetime.strptime('22:01:00', '%H:%M:%S')
end_c = datetime.strptime('05:00:00', '%H:%M:%S')

然后，我创建了一个可以计算您的问题的小时数的函数。 start 和 end 是为一个范围定义的时间。该函数现在在几天内迭代并查看您的范围有多少适合它。通常，它只需要一次迭代，但您的 Product Z 会超过两天，因此需要两次迭代。

def calc_hours(start_time, end_time, start, end):
    
    # Set range to have date also => allows us to compare to start_time and end_time
    range_start = datetime.combine(start_time.date(), start.time())
    range_end = datetime.combine(start_time.date(), end.time())

    # Special case for range C as end of range is on the next day
    if (range_end<range_start):
        range_end = range_end + timedelta(days=1)

    # start_time and end_time can go over one or more days => Iterate over the days and sum the ours in the range
    total_hours=0.0
    while (range_start < end_time):
        # Calculation to get the hours or zero if range is not within time frame
        hours_in_frame = max((min(range_end, end_time) - max(range_start, start_time)).total_seconds(), 0)/3600
        total_hours += hours_in_frame
        
        # Increment the day to check if range is in time frame
        range_start = range_start + timedelta(days=1)
        range_end = range_end + timedelta(days=1)
    
    return total_hours

为了使用函数并将结果添加到数据框中，我使用了来自pandas 的函数apply()。 apply() 获取数据帧的每一行，并使用前面显示的函数计算一个范围内的小时数。这适用于所有三个范围。

# Use apply to calculate the hours for each row and each range
df['A'] = df.apply(lambda x: calc_hours(x['Start_Time'], x['End_Time'], start_a, end_a), axis=1)
df['B'] = df.apply(lambda x: calc_hours(x['Start_Time'], x['End_Time'], start_b, end_b), axis=1)
df['C'] = df.apply(lambda x: calc_hours(x['Start_Time'], x['End_Time'], start_c, end_c), axis=1)

输出几乎是你想要的，但没有四舍五入到小数点后两位：

    Product_Name    Start_Time  End_Time    A   B   C
0   Product X   2021-10-20 20:32:00 2021-10-21 03:50:00 0.000000    1.466667    5.816667
1   Product Y   2021-10-21 11:50:00 2021-10-21 16:00:00 2.166667    1.983333    0.000000
2   Product Z   2022-01-11 20:10:00 2022-01-12 15:30:00 8.983333    3.316667    6.983333

【讨论】：

我永远不会自己做这件事，我认为这对我的 python 技能水平来说太先进了。老实说，我没有得到你所做的大部分代码，你能否推荐一些有用的链接来了解有关日期函数的更多信息以及所有其他你认为必须达到的水平才能做到这样的事情?
我正在上数据营数据分析课程，但我认为这门课程不会在这个级别上教给我。
哦，我忘了，非常感谢你的帮助。
很高兴能帮上忙。像大多数其他人一样，我只能告诉你，练习会真正提高你的技能。练习可以帮助您更熟悉 pandas 等库提供的不同功能。此外，它还可以帮助您将问题划分为更简单的子问题，以便系统地解决问题。例如，我首先编写了 Product X 和 range A case，因为它不需要 if 和 while 循环。从那里我扩展了其他情况的代码。不幸的是，我不知道任何好的来源，但我相信你会在网上找到一些东西。
再次感谢您，JANO，这对我来说是一个真正的挑战，我相信我从您的建议中学到了很多东西。谢谢你。

【解决方案2】：

另一种方法是使用相关范围的所有序列分钟数创建一个系列，然后将它们相交以获得重叠持续时间。

没有时间提供完整的答案，但我想我会放弃这个想法，你可以从那里接受。

创建参考系列：

start = pd.Timestamp('22:01')
end = pd.Timestamp('05:00')

if end < start: 
    end +=  pd.Timedelta(days=1)

drC = pd.Series(pd.date_range(start=start, end=end, freq='min')).dt.hour * 60 + \
        pd.Series(pd.date_range(start=start, end=end, freq='min')).dt.minute

创建一个函数来计算交集和持续时间：

def intersecting_duration(x):
    min_of_day = pd.Series(pd.Series(pd.date_range(start=x['Start_Time'], end=x['End_Time'], freq='min')).dt.hour * 60 + \
        pd.Series(pd.date_range(start=x['Start_Time'], end=x['End_Time'], freq='min')).dt.minute)
    
    dur_mins = len(np.intersect1d(min_of_day, drC))       
    return 0 if (dur_mins == 0) else (dur_mins-1)/60

然后应用它：

df.apply(intersecting_duration, axis=1)

0    5.816667
1    0.000000
2    6.983333

你需要从那里拿走它。

【讨论】：