从给定时间在一列中创建 15 分钟的时间间隔，并在每个时间间隔中查找值的计数答案

【问题标题】：Create 15minute time intervals from given time in a column and find count of values in each time interval从给定时间在一列中创建 15 分钟的时间间隔，并在每个时间间隔中查找值的计数
【发布时间】：2022-01-26 07:02:19
【问题描述】：

鉴于此数据集包含事件的日期时间和票务扫描的日期时间

event_name	event_datetime	scan_datetime
Game 1	2018-10-17 19:30:00	2018-10-17 20:01:20 2018-10-17 19:20:10 2018-10-17 21:44:43 2018-10-17 20:30:46 2018-10-17 19:51:56
...	...	...
Game 2	2019-04-10 19:30:00	2019-04-10 19:39:35 2019-04-10 30:30:49 2019-04-10 20:41:10 2019-04-10 19:46:20 2019-04-10 22:24:19

所需的输出应该是 event_datetime 之前和之后每 15 分钟时间间隔的列，其值为 scan_datetime

Time_intervals	90-75	75-60	60-45	45-30	30-15	15-0	0-15	15-30	30-45	45-60
count	2	1	5	6	4	3	25	7	4	1

【问题讨论】：

那么你的问题是什么？只需对每个事件的 scan_datetimes 进行排序，并按从早到晚的顺序创建间隔并填充此 Time_intervals。
您想要汇总所有游戏还是为每个游戏单独创建一个？
scan_datetime 是列表吗？
@BorutFlis 我想要所有游戏的聚合。将创建一个新表，其间隔基于旧表。
@Corralien 不。它实际上是表中的一行值，event_name 和 event_datetime 对于该行是通用的。

标签： python pandas datetime

【解决方案1】：

首先，您需要从scan_datetime 列中提取日期时间，然后将其分解。接下来，计算event_datetime 和scan_datetime 列之间的时间增量。最后，bin 值和计数出现次数。

DT = r'\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}'
df['scan_datetime'] = df['scan_datetime'].str.findall(DT)

df = df.explode('scan_datetime').astype({'event_datetime': 'datetime64', 
                                         'scan_datetime': 'datetime64'})

df['diff'] = df['event_datetime'].sub(df['scan_datetime']).dt.total_seconds().div(60)

bins = np.arange(24*-15, 24*15+1, 15)
labels = [f'{abs(i)}-{abs(j)}' for i, j in zip(bins, bins[1:])]

out = pd.cut(df['diff'], bins=bins, labels=labels) \
        .value_counts(sort=False).to_frame('count').T

输出：

>>> out
       180-165  165-150  150-135  135-120  120-105  105-90  90-75  75-60  60-45  45-30  ...  30-45  45-60  60-75  75-90  90-105  105-120  120-135  135-150  150-165  165-180
count        1        0        0        1        0       0      0      3      0      1  ...      0      0      0      0       0        0        0        0        0        0

[1 rows x 24 columns]

【讨论】：

【解决方案2】：

首先你在 scan_datetime 中分解列表。

df = df.explode("scan_datetime").reset_index(drop=True)

这将使每次扫描成为单独的行。我假设列表中的值是字符串，所以我们将它们转换为日期时间：

df["scan_datetime"] = pd.to_datetime(df["scan_datetime"])

比你计算的差：

df["diff"] = df["event_datetime"] - df["scan_datetime"]
df["diff"] = (df["diff"].dt.total_seconds()/60).astype(int)

现在您以分钟为单位的差异（有符号整数）。比您以指定的时间间隔运行值计数。

df["diff"].value_counts(bins=[-90,-75,-60, -45, -30, -15, 0, 15, 30, 45, 60])

【讨论】：

正是我想要的！谢谢
@sais。你说scan_datetime 不是列表？
您应该接受其中一个答案，它们都是正确的。 @Corralien 的解决方案更好，因为它考虑了日期为字符串的情况。