本文介绍如何基于事件类型识别并聚合连续的“步态事件段”（stepping bouts），即对 dataframe 中相邻且类型相同的行（如 event type == 2）按 id 和日期内连续块分别求 duration 总和。
本文介绍如何基于事件类型识别并聚合连续的“步态事件段”（stepping bouts），即对 dataframe 中相邻且类型相同的行（如 event type == 2）按 id 和日期内连续块分别求 duration 总和。
在加速度计数据分析中，常需将离散的步态事件（如 Event Type == 2）按时间连续性聚合成“bouts”（行为段），再对每段的持续时间（Duration）求和——而非简单按事件类型全局分组。关键难点在于：同一 ID 同一日内可能包含多个不连续的步态段（例如：站立→步行→静坐→步行），必须区分这些独立片段。
核心思路：构建“连续段标识符”
Pandas 本身不提供原生的“连续组识别”函数，但可通过布尔掩码 + 累计求和巧妙构造分组键：
- 标记目标事件：用 df['Event Type'].eq(2) 得到布尔序列 m；
- 识别段边界：~m 表示非步态事件（即段间分隔点），对其按 ID 分组后使用 cumsum()，可为每个 ID 内的每一段步态事件生成唯一递增编号；
- 组合分组键：将 ID 与该编号联合分组，即可精准捕获每个 ID 下所有独立的步态段。
⚠️ 注意：若需进一步限定“同日内连续段”，应在分组前先添加日期列（如 Date）到 groupby 键中，避免跨日误合并。
完整实现代码
import pandas as pd
# 示例数据（含跨日及多段步态）
df = pd.DataFrame({
'ID': [1885]*13,
'Date': ['2021-06-29'] + ['2021-07-07']*12,
'Event Type': [4.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 2.0, 1.0, 2.0, 2.0, 2.0, 1.0],
'Duration': [31208.5, 1.1, 3.2, 3.5, 4.3, 3.7, 1.2, 1.1, 1.0, 3.7, 1.2, 1.1, 1.0]
})
# 步骤1：筛选步态事件（Event Type == 2）
m = df['Event Type'].eq(2)
# 步骤2：构造连续段ID（按ID分组，对非步态事件累计求和）
segment_id = (~m).groupby(df['ID']).cumsum()
# 步骤3：按ID + 段ID分组，聚合Duration总和
bouts = (df[m]
.assign(segment_id=segment_id)
.groupby(['ID', 'segment_id'], as_index=False)
['Duration'].sum()
.drop(columns='segment_id'))
print(bouts)
输出：
ID Duration 0 1885 18.1 1 1885 6.0
扩展建议：支持多维度约束（如日期+ID）
若需确保“连续段”严格限定在同一日期内（防止跨日步态被错误合并），请将 Date 列加入分组逻辑：
# 更严谨的版本：按 ID + Date 联合分组识别段
m = df['Event Type'].eq(2)
# 对每个 ID-Date 组合独立计算段ID
segment_id = (~m).groupby([df['ID'], df['Date']]).cumsum()
bouts_daily = (df[m]
.assign(segment_id=segment_id)
.groupby(['ID', 'Date', 'segment_id'], as_index=False)
['Duration'].sum()
.drop(columns='segment_id'))
小结
- ✅ 此方法无需循环或 itertools.groupby，纯向量化，高效处理数十万行数据；
- ✅ (~m).groupby(...).cumsum() 是识别连续段的核心技巧，适用于任意“状态切换型”分组场景；
- ✅ 后续可轻松对 bouts 结果做统计分析，如 bouts.groupby('ID')['Duration'].agg(['mean', 'count', 'std']) 计算平均步态段时长、频次等指标。
掌握该模式后，你不仅能处理步态分析，还可迁移至睡眠分期、运动周期、设备运行时段等各类“连续行为段识别”任务。
