pandas 统计设备运行天数

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

统计运行天数（DaysOnline）通常用于分析系统的稳定性、可靠性或连续运行能力，具体意义取决于你的业务场景。

数据与需求

我们要分析的原始数据如下：

import pandas as pd
data = {
    "Date": [
        "5/29/2025", "5/31/2025", "6/1/2025", "6/2/2025",
        "6/3/2025", "6/4/2025", "6/5/2025", "6/6/2025",
        "6/7/2025", "6/8/2025", "6/9/2025", "6/10/2025"
    ],
    "Status": [1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1]
}
df = pd.DataFrame(data)
df["Date"] = pd.to_datetime(df["Date"])
df
'''
         Date  Status
0  2025-05-29       1
1  2025-05-31       1
2  2025-06-01       1
3  2025-06-02       1
4  2025-06-03       0
5  2025-06-04       0
6  2025-06-05       0
7  2025-06-06       1
8  2025-06-07       1
9  2025-06-08       1
10 2025-06-09       1
11 2025-06-10       1
'''

一列为日期，另外一列为对应日期设备的运行状态，1 为运行状态，0 为停机状态。我们需要统计每次运行状态的最后一天及运行的天数，即结果数据为：

'''
        Date  DaysOnline
0 2025-06-02           4
2 2025-06-10           5
'''

思路

核心思路是 按状态（Status）的连续相同值分组，并统计每组最后日期和运行天数（DaysOnline）。具体逻辑如下：

分组依据：df.Status.ne(df.Status.shift(1)).cumsum() 用于识别 Status 值的变化点。每当 Status 与前一行不同时，生成一个新的分组编号（通过 cumsum() 累加实现）。例如，状态序列 [1, 1, 0, 0, 1] 会被分组为 [1, 1, 2, 2, 3]。
聚合统计：对每个分组，取最后一行的 Date 作为该分组的结束日期，并对 Status 求和（假设 Status=1 表示运行，求和即统计连续运行天数）。
过滤与清理：query('DaysOnline > 0') 保留运行时段（排除 Status=0 的组），最后删除临时分组列（drop('group', axis=1)）。

代码

最终代码如下：

(
    df.assign(group=(df.Status.ne(df.Status.shift(1)).cumsum()))  # 添加临时分组列
    .groupby('group', as_index=False)  # 使用列名分组
    .agg(Date=('Date', 'last'), 
         DaysOnline=('Status', 'sum')
        )
    .query('DaysOnline > 0')
    .drop('group', axis=1)  # 可选：删除临时列
)
'''
        Date  DaysOnline
0 2025-06-02           4
2 2025-06-10           5
'''

这样便得到了最终的结果。

（完）

pandas 统计设备运行天数

数据与需求

思路

代码

相关内容