如何将分组后的睡眠阶段数据转换为宽表格式并计算各阶段持续时间-Python教程-PHP中文网

如何将分组后的睡眠阶段数据转换为宽表格式并计算各阶段持续时间

本文详解如何基于时间连续性（≤2小时间隔）对多源睡眠数据进行会话分组，并将原始长格式的睡眠阶段（如rem、core、awake）聚合为宽表列，同时将阶段间空隙自动计入awake_duration。

本文详解如何基于时间连续性（≤2小时间隔）对多源睡眠数据进行会话分组，并将原始长格式的睡眠阶段（如rem、core、awake）聚合为宽表列，同时将阶段间空隙自动计入awake_duration。

在健康数据处理中，来自 Apple Watch 或第三方应用（如 Connect）的睡眠记录通常以离散事件形式存储，每个事件包含起止时间、睡眠阶段类型（如 AsleepREM、AsleepCore、Awake）及来源设备。为分析整段“睡眠会话”，需先按设备与时间连续性合并相邻事件（间隙 ≤ 2 小时），再统计各阶段总时长——尤其关键的是：阶段间的空隙（如 Core 结束到 REM 开始之间的时间差）应归入 Awake_duration。

以下为完整实现流程（基于 pandas）：

✅ 步骤 1：预处理与会话标识

首先按 sourceName 和 startDate 排序，计算相邻事件的时间差（单位：小时），并生成会话 ID（n）：

import pandas as pd
from datetime import timedelta

# 假设 df_orig 为原始 DataFrame（已提供示例数据）
max_gap = 2  # 允许的最大间隔（小时）

tmp = (df_orig
       .sort_values(['sourceName', 'startDate'])
       .assign(
           duration=lambda x: (x['endDate'] - x['startDate']) / pd.Timedelta(hours=1),
           delta=lambda x: (x['startDate'] - x.groupby('sourceName')['endDate'].shift()) / pd.Timedelta(hours=1),
           n=lambda x: x['delta'].gt(max_gap).cumsum(),  # 会话分组标识
           col=lambda x: x['value'].str.extract(r'([A-Z]+[a-z]*)$', expand=False).str.lower()  # 提取阶段名（rem/core/awake）
       )
)

? 注意：col 列通过正则 r'([A-Z]+[a-z]*)$' 提取值末尾的大驼峰单词（如 AsleepREM → 'rem'），确保阶段名称标准化。

✅ 步骤 2：按会话+阶段聚合基础指标

对 (sourceName, n, col) 三级索引分组，聚合起止时间、主持续时间及空隙累计值：

悟道

悟道是一款AI大模型工具，智源“悟道”大模型，中国首个+世界最大人工智能大模型。

下载

tmp_grouped = tmp.groupby(['sourceName', 'n', 'col']).agg({
    'startDate': 'min',
    'endDate': 'max',
    'duration': 'sum',
    'delta': 'sum'  # 各阶段前的空隙总和（用于后续分配给 Awake）
})

✅ 步骤 3：构造宽表并智能分配空隙

核心逻辑：仅当 col == 'awake' 时，其 duration 已含实际清醒时长；其他阶段的空隙需叠加到 Awake_duration 中。因此：

对非 awake 行，将其 delta（即前序空隙）加到最终 Awake_duration；
使用 mask + unstack 实现条件累加，再 add_suffix('_duration') 统一列名。

g = tmp_grouped.groupby(level=['sourceName', 'n'])

out = pd.concat([
    g[['startDate']].min(),
    g[['endDate']].max(),
    g[['duration']].sum(),
    (tmp_grouped['duration']
     .mask(tmp_grouped.index.get_level_values('col') == 'awake',
           tmp_grouped['duration'] + g['delta'].transform('sum'))
     .unstack('col', fill_value=0)
     .add_suffix('_duration')
], axis=1).reset_index(level=0).rename_axis(None)