本文介绍如何基于事件类型的连续性（而非全局类别）对 DataFrame 中的 Duration 列进行分组求和，特别适用于加速度计数据中识别并聚合“步态爆发（stepping bouts）”等时序连续行为。
本文介绍如何基于事件类型的连续性（而非全局类别）对 dataframe 中的 `duration` 列进行分组求和，特别适用于加速度计数据中识别并聚合“步态爆发（stepping bouts）”等时序连续行为。
在可穿戴设备（如加速度计）数据分析中，一个常见需求是：将同一行为类型（如 Event Type == 2 表示“步行”）的连续记录视为一次“爆发（bout）”，并对每个 bout 内的 Duration 求和，而非简单按事件类型全局聚合——因为非连续的同类事件应属于不同 bout（例如两次分开的步行过程）。
关键挑战在于：Pandas 的标准 groupby('Event Type') 会把所有 2 合并为一组，丢失时间/顺序信息；而我们需要的是按 ID + 连续段（contiguous block）双重分组。
✅ 解决方案：构造连续段标识符（Contiguous Group ID）
核心思路是：
- 先筛选出目标事件（如 Event Type == 2）；
- 对原始数据按 ID 分组，在每组内识别 Event Type != 2 的位置，并用 cumsum() 构造“段编号”——每当遇到非目标事件，段编号递增，从而为每个连续的目标事件块赋予唯一标识；
- 结合 ID 和该段编号进行分组，再对 Duration 求和。
import pandas as pd
# 示例数据（含多个 stepping bouts）
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：创建布尔掩码，标识目标事件（此处为 Event Type == 2）
mask = df['Event Type'].eq(2)
# 步骤2：在每个 ID 组内，对「非目标事件」累计求和，生成连续段标识
# (~mask) → True 表示非 stepping；groupby('ID').cumsum() → 每次遇到非 stepping 就+1，形成段边界
segment_id = (~mask).groupby(df['ID']).cumsum()
# 步骤3：仅保留 stepping 行，并按 ID + segment_id 分组求和
bouts = (df[mask]
.groupby(['ID', segment_id[mask]], as_index=False)
['Duration'].sum()
.rename(columns={'Duration': 'Bout_Duration'}))
print(bouts)
输出：
ID Bout_Duration 0 1885 18.1 1 1885 6.0
✅ 第一行 18.1 是前 7 个连续 2.0 的 Duration 和（1.1+3.2+3.5+4.3+3.7+1.2+1.1）；
✅ 第二行 6.0 是后续 3 个连续 2.0 的和（3.7+1.2+1.1）。
⚠️ 注意事项与扩展建议
-
日期敏感性：当前逻辑未显式按 Date 分组。若需确保 bout 严格限定在单日内（例如跨日的连续 2 不应合并），应在 groupby 中加入 'Date'：
segment_id = (~mask).groupby([df['ID'], df['Date']]).cumsum() # 然后 groupby(['ID', 'Date', segment_id[mask]])
性能优化：对数十万行数据（如题中 ~30k/文件），该方法时间复杂度为 O(n)，无需循环，高效可靠。
-
后续分析：得到 bouts DataFrame 后，可轻松计算每日平均 bout 时长、最长 bout、总步态时间占比等指标：
bouts.groupby('ID')['Bout_Duration'].agg(['mean', 'max', 'count'])
掌握这种「基于连续性的分组」技巧，是处理时序行为数据（如活动识别、睡眠阶段、心率区间）的关键基础能力。
