Question

我列出了人们进入房间并离开房间的日期：

05/04/2017 14:20    05/04/2017 17:54
05/04/2017 13:10    06/04/2017 07:56
05/04/2017 10:30    05/04/2017 11:04

所以一个人在14:20进入并在17:54离开。一个人在一天13:10进入，然后在下一个07:56离开。

我想要做的是查看一天中某些时段之间有多少人在房间里，例如14:00到15:00之间，房间里有两个人。然后我想要绘制这些数据的图表，这样我就可以看到房间里不同时段的人数。

我的问题是，这种分析是否有一个名称，这是像Pandas这样的包可以做的事情。我可以编写一个算法来执行此操作（可能）但在此之前我想检查它是否是一个已知的问题＆＃39;。

Answer 1

此类问题出现在不同的应用程序中（例如在物理学中称为mass balance），但AFAIK没有通用名称。但它们的本质是简单计数，因此编写算法比找到完全解决问题的解决方案更容易:)

此代码计算在指定时间内进入或退出房间的人数，然后从第二个中减去第一个：

import pandas as pd
data = pd.DataFrame({'in':[10, 11, 11, 12, 14], 'out':[11, 13, 15, 14, 15]})
count_in = data.groupby('in')['in'].count()
count_out = data.groupby('out')['out'].count()
count_data = pd.concat([count_in, count_out], axis=1).fillna(0).cumsum()
print(count_data['in'] - count_data['out'])

代码给出了结果：

这意味着10岁时有一个人（刚来的人），11岁时有两个人（另外2个人，但1人退出），等等。

Answer 2

假设您有一个包含日期列表的CSV文件，例如

05/04/2017 14:20,05/04/2017 17:54
05/04/2017 13:10,06/04/2017 07:56
05/04/2017 10:30,05/04/2017 11:04

读取每一行并将每个条目转换为Python datetime对象。接下来使用Counter()按小时记录每个条目和退出。日期时间用作删除分钟的字典键。最后迭代可用的小时范围并添加每小时看到的任何条目或出口：

from collections import Counter    
from datetime import datetime, timedelta
import csv

in_out = Counter()
one_hour = timedelta(hours=1)

with open('in_out.csv', 'r', newline='') as f_inout:
    for row in csv.reader(f_inout):
        in_at = datetime.strptime(row[0], "%d/%m/%Y %H:%M").replace(minute=0)
        out_at = datetime.strptime(row[1], "%d/%m/%Y %H:%M").replace(minute=0)
        in_out[in_at] += 1
        in_out[out_at] -= 1

hours = []
room_total = 0

hours_range = sorted(in_out.keys())     # Use to determine start and end hours
hour = hours_range[0]

while hour <= hours_range[-1]:
    room_total += in_out.get(hour, 0)
    hours.append((hour, room_total))
    hour += one_hour

for hour, room_total in hours:
    print(hour, room_total)

这给出了以下每小时细分：

2017-04-05 10:00:00 1
2017-04-05 11:00:00 0
2017-04-05 12:00:00 0
2017-04-05 13:00:00 1
2017-04-05 14:00:00 2
2017-04-05 15:00:00 2
2017-04-05 16:00:00 2
2017-04-05 17:00:00 1
2017-04-05 18:00:00 1
2017-04-05 19:00:00 1
2017-04-05 20:00:00 1
2017-04-05 21:00:00 1
2017-04-05 22:00:00 1
2017-04-05 23:00:00 1
2017-04-06 00:00:00 1
2017-04-06 01:00:00 1
2017-04-06 02:00:00 1
2017-04-06 03:00:00 1
2017-04-06 04:00:00 1
2017-04-06 05:00:00 1
2017-04-06 06:00:00 1
2017-04-06 07:00:00 0

使用python / pandas计算进入和退出时间的房间内的人数

2 个答案: