Python 如果在某些时间/值之间，则为累积和

我想在

final_df

中插入一个名为

total

的新列，如果它发生在

final_df

中的两个时间之间，则它是

df

中

值的累积和。如果值出现在
final_df
中的
开始
和
结束
之间，则它对值进行求和。例如，在
final_df
的01:30到02:00的时间范围内，
df
中的索引0和1都出现在这个时间范围内，因此总数为15（10+5）

我有两个数据帧：

df

import pandas as pd

d = {'start_time': ['01:00','00:00','00:30','02:00'], 
     'end_time': ['02:00','03:00','01:30','02:30'], 
     'value': ['10','5','20','5']}

df = pd.DataFrame(data=d)

final_df = {'start_time': ['00:00, 00:30, 01:00, 01:30, 02:00, 02:30'],
            'end_time': ['00:30, 01:00, 01:30, 02:00, 02:30, 03:00']}

final_df = pd.DataFrame(data=final_d)

start_time  end_time total
00:00       00:30    5
00:30       01:00    25
01:00       01:30    35
01:30       02:00    15
02:30       03:00    10

final_df

import pandas as pd

d = {'start_time': ['01:00','00:00','00:30','02:00'], 
     'end_time': ['02:00','03:00','01:30','02:30'], 
     'value': ['10','5','20','5']}

df = pd.DataFrame(data=d)

final_df = {'start_time': ['00:00, 00:30, 01:00, 01:30, 02:00, 02:30'],
            'end_time': ['00:30, 01:00, 01:30, 02:00, 02:30, 03:00']}

final_df = pd.DataFrame(data=final_d)

start_time  end_time total
00:00       00:30    5
00:30       01:00    25
01:00       01:30    35
01:30       02:00    15
02:30       03:00    10

输出我想要最终的_df

import pandas as pd

d = {'start_time': ['01:00','00:00','00:30','02:00'], 
     'end_time': ['02:00','03:00','01:30','02:30'], 
     'value': ['10','5','20','5']}

df = pd.DataFrame(data=d)

final_df = {'start_time': ['00:00, 00:30, 01:00, 01:30, 02:00, 02:30'],
            'end_time': ['00:30, 01:00, 01:30, 02:00, 02:30, 03:00']}

final_df = pd.DataFrame(data=final_d)

start_time  end_time total
00:00       00:30    5
00:30       01:00    25
01:00       01:30    35
01:30       02:00    15
02:30       03:00    10

我的尝试

final_df['total'] = final_df.apply(lambda x: df.loc[(df['start_time'] >= x.start_time) & 
                                            (df['end_time'] <= x.end_time), 'value'].sum(), axis=1)

但我不想转换成datetime。有办法解决这个问题吗

问题2

这笔钱用得不好。它只是寻找时间范围的精确匹配。因此，输出为：

 start_time  end_time total
    00:00       00:30    0
    00:30       01:00    0
    01:00       01:30    0
    01:30       02:00    0
    02:30       03:00    5

不使用
apply
的一种方法可能是这样的

df_ = (df.rename(columns={'start_time':1, 'end_time':-1}) #to use in the calculation later
         .rename_axis(columns='mult') # mostly for esthetic
         .set_index('value').stack() #reshape the data
         .reset_index(name='time') # put the index back to columns
      )
df_ = (df_.set_index(pd.to_datetime(df_['time'], format='%H:%M')) #to use resampling technic
          .assign(total=lambda x: x['value'].astype(float)*x['mult']) #get plus or minus the value depending start/end
          .resample('30T')[['total']].sum() # get the sum at the 30min bounds
          .cumsum() #cumulative sum from the beginning
      )
# create the column for merge with final resul
df_['start_time'] = df_.index.strftime('%H:%M')

# merge
final_df = final_df.merge(df_)

你得到了什么

print (final_df)
  start_time end_time  total
0      00:00    00:30    5.0
1      00:30    01:00   25.0
2      01:00    01:30   35.0
3      01:30    02:00   15.0
4      02:00    02:30   10.0
5      02:30    03:00    5.0

但如果要使用apply，首先需要确保列是良好的数据类型，然后按相反的顺序执行不平等性，如：

df['start_time'] = pd.to_datetime(df['start_time'], format='%H:%M')
df['end_time'] = pd.to_datetime(df['end_time'], format='%H:%M')
df['value'] = df['value'].astype(float)
final_df['start_time'] = pd.to_datetime(final_df['start_time'], format='%H:%M')
final_df['end_time'] = pd.to_datetime(final_df['end_time'], format='%H:%M')

final_df.apply(
    lambda x: df.loc[(df['start_time'] <= x.start_time) & #see other inequality
                     (df['end_time'] >= x.end_time), 'value'].sum(), axis=1)
0     5.0
1    25.0
2    35.0
3    15.0
4    10.0
5     5.0
dtype: float64

df['start\u time']=pd.to\u datetime（df['start\u time']，格式=“%H:%M”）
df['end\u time']=pd.to\u datetime（df['end\u time']，格式=“%H:%M”）
df['value']=df['value'].aType（浮点）
final_df['start_time']=pd.to_datetime（final_df['start_time']，格式=“%H:%M”）
final_df['end_time']=pd.to_datetime（final_df['end_time']，格式=“%H:%M”）
最终应用(
lambda x:df.loc[（df['start\u time']=x.end\u time），'value'].sum（），轴=1）
0     5.0
1    25.0
2    35.0
3    15.0
4    10.0
5     5.0
数据类型：64
Nice answer@Ben.T.Nice answer，两种解决方案都有效。对于应用解决方案，由于某种原因，我的最终_df中的最后一个时间范围（即23:30到00:00。注意，上面没有包括我的样本）总结了列中不应该出现的所有内容。@thor-hmm这样我不确定为什么，我将尝试测试一些东西，但可能出现边界效应，特别是在玩间歇时：）@thor所以在考虑了一下你的评论之后，你得到所有的总和是有意义的，就像这样，我不确定有没有一个简单的解决方法。如果你用这个时间间隔写出不等式，那么你会得到（df['start_time']=00:00），它给出了df中的所有值。