本文介绍如何使用 Pandas 对含重复 IN/OUT 记录的时间序列数据，按人按日精准计算所有中间进出对（即非首进末出）所对应的总停留时长（单位：秒）。
本文介绍如何使用 pandas 对含重复 `in/out` 记录的时间序列数据，按人按日精准计算所有中间进出对（即非首进末出）所对应的总停留时长（单位：秒）。
在考勤、门禁或工时统计场景中，员工常存在“早入—午出—午入—晚出”等多段进出记录。若仅用首条 IN 与末条 OUT 直接相减，会错误包含午休等未工作时段。正确做法是：将连续成对的 IN→OUT 视为有效工作段，跳过首进前与末出后的孤立记录，并对所有中间段（即第2段及以后的 IN 所启动的时段）求和。
核心逻辑如下：
- 将 Time 列转为 datetime 类型（仅保留时间部分，日期由 Date 字段保证分组独立）；
- 按 Date + Name 分组，确保每人每日独立处理；
- 在每组内，对时间戳列调用 .diff() 得到相邻记录的时间差（即每条 OUT 减去前一条 IN 的结果）；
- 使用 .iloc[1:-1] 跳过首差（无意义）和末差（可能对应无效 OUT），只保留中间的差值；
- 利用 g['In/Out'].eq('IN') 筛选出「以 IN 行为起点」的差值（即该差值实际代表上一个 IN 到当前 OUT 的跨度）；
- 对筛选出的 timedelta 求和，并通过 .total_seconds() 转为浮点型秒数。
以下是完整可运行代码（含数据预处理与健壮性增强）：
import pandas as pd
# 示例数据（已适配大小写与格式）
example_df = pd.DataFrame([
['2024-01-01', 'Homer', 'in', '07:30'],
['2024-01-01', 'Homer', 'out', '09:00'],
['2024-01-01', 'Homer', 'in', '09:30'],
['2024-01-01', 'Homer', 'out', '16:00'],
['2024-01-01', 'Marge', 'in', '06:20'],
['2024-01-01', 'Marge', 'out', '16:00'],
['2024-01-01', 'Bart', 'in', '07:10'],
['2024-01-01', 'Bart', 'out', '08:00'],
['2024-01-01', 'Bart', 'in', '08:20'],
['2024-01-01', 'Bart', 'out', '17:00'],
['2024-01-01', 'Barney', 'in', '08:10'],
['2024-01-01', 'Lisa', 'in', '08:05'],
['2024-01-01', 'Lisa', 'out', '14:00'],
['2024-01-01', 'Lisa', 'in', '14:15'],
['2024-01-01', 'Lisa', 'out', '18:10'],
['2024-01-01', 'Millhouse', 'out', '19:10'],
['2024-02-01', 'Homer', 'in', '07:30'],
['2024-02-01', 'Homer', 'out', '09:00'],
['2024-02-01', 'Marge', 'in', '06:30'],
['2024-02-01', 'Marge', 'out', '09:10'],
['2024-02-01', 'Marge', 'in', '10:10'],
['2024-02-01', 'Marge', 'out', '16:10'],
['2024-02-01', 'Bart', 'in', '07:10'],
['2024-02-01', 'Bart', 'out', '15:00'],
['2024-02-01', 'Barney', 'in', '08:10'],
['2024-02-01', 'Lisa', 'in', '08:05'],
['2024-02-01', 'Lisa', 'out', '16:00'],
['2024-02-01', 'Millhouse', 'in', '08:10'],
['2024-02-01', 'Millhouse', 'in', '08:10'],
['2024-02-01', 'Millhouse', 'in', '16:15']
], columns=['Date', 'Name', 'In/Out', 'Time'])
# ✅ 步骤 1：标准化 IN/OUT 大小写，避免匹配失败
example_df['In/Out'] = example_df['In/Out'].str.upper()
# ✅ 步骤 2：按 Date+Name 分组，并确保组内时间有序（关键！）
df_sorted = example_df.sort_values(['Date', 'Name', 'Time']).reset_index(drop=True)
# ✅ 步骤 3：主计算逻辑（带健壮性过滤：仅保留 IN-OUT 成对且时间递增的记录）
def compute_intermediate_duration(group):
if len(group) 0')) # 过滤掉无有效时段的记录
print(result)
? 注意事项与最佳实践：
- 必须排序：.sort_values(['Date', 'Name', 'Time']) 是前提，否则 shift() 和 diff() 逻辑失效；
- 大小写统一：str.upper() 避免 'in' / 'IN' / 'In' 匹配遗漏；
- 异常数据防御：示例中加入了 next_is_out & time_increases 双重校验，自动跳过 IN→IN、OUT→OUT 或时间倒退等脏数据；
- 性能提示：对于百万级数据，可改用 numba 加速或预聚合为 (IN, OUT) 元组列表再向量化计算；
- 扩展建议：如需输出 HH:MM:SS 格式，可用 pd.to_timedelta(result['TimeDelta'], unit='s').dt.strftime('%H:%M:%S')。
该方案兼顾准确性与可读性，适用于真实考勤系统中的多段工时聚合分析。
