Python 使用pandas datetime在12小时轮班制（上午7点到晚上7点）和第二天晚上7点到早上7点）对数据进行分组

我有一个数据帧，它有两列。它有一个名为“DateAndTime”的列（datetime64[ns]） 以及一个名为“Finished”（Bool）的专栏。大约有5000多行，都有不同的日期和时间，并且“Finished”列为True

我想做的是将数据分组为早上7点到晚上7点和晚上7点到早上7点的“班次”，并计算12小时内发生的真实次数

df.head()

DateAndTime                   Finished
109 2020-07-28 14:36:07.983     True
110 2020-07-28 14:36:34.547     True
111 2020-07-28 14:39:38.187     True
112 2020-07-28 14:41:10.547     True
113 2020-07-28 14:41:32.250     True

df.describe()

       DateAndTime                    Finished
count   5915                            5915
unique  5915                            2
top     2020-07-29 07:34:25.360000      True
freq    1                               5914
first   2020-07-28 14:36:07.983000      NaN
last    2020-08-05 04:57:10.657000      NaN

你应该试试这个

import numpy as np

#in case columns are in String Format 
df = df.astype({'DateAndTime': np.datetime64, 'Finished':np.bool}) 

# 7AM : 7PM Shift
shift_1 = df[df.DateAndTime.apply(lambda t: (t.hour in range(7, 19)) or (t.hour==19 and (t.second+t.minute==0)))]

# 7PM : 7AM Shift
shift_2 = df[df.DateAndTime.apply(lambda t: not ((t.hour in range(7, 19)) or (t.hour==19 and (t.second+t.minute==0))))]

shift_1_TruedCount = shift_1.Finished.to_list().count(True)
shift_2_TruedCount = shift_2.Finished.to_list().count(True)

print(shift_1_TruedCount, shift_2_TruedCount)

---

假设您的

DateAndTime

列已经是

Timestamp

类型：

# Move DateAndTime back by 7 hours
# Now shift 1 is 0:00 to 12:00, shift 2 is 12:00 - 24:00
h = (df['DateAndTime'] - pd.Timedelta(hours=7)).dt.hour < 12
df['Shift'] = h.map({True: '7am-7pm', False: '7pm-7am'})

#将日期和时间向后移动7小时
#现在1班是0:00到12:00，2班是12:00到24:00
h=（df['DateAndTime']-pd.Timedelta（小时=7））.dt.hour<12
df['Shift']=h.map（{True:'7am-7pm'，False:'7pm-7am'}）

使用。研究如下内容：可以使用

偏移量重新采样

。使用偏移量重新采样正是我想要的。谢谢。最后我使用了这个

df.resample（'12h'，base=7.count（）

，因为当我使用

loffset

时，它没有正确分组