python - 在没有重叠的情况下查找时间序列数据中的总持续时间

Question

我有一个包含开始和结束时间戳的记录列表，如下所示:

[{u'end_time': 1444197616.0, u'start_time': u'2015-10-07T05:59:58Z'}, ...]

这些时间段可以重叠，我不知道如何找到没有重叠的总持续时间。例如:

BEGIN END
03:00 03:03
03:02 03:05
03:04 03:05
03:01 03:06
03:08 03:10

0 - 3
  2    -  5
      4 - 5
 1    -     6
               8 - 10

总计 = 8 分钟。

我想我可以通过找到差距来做到这一点，但是怎么做呢？

Answer 1

我将解决获取常规 float 范围的问题，它应该很容易扩展到日期时间......

假设数据是一系列 [start, end] 列表。如果不是这种格式，您可以轻松地将其转换为这种格式。

首先，我将按开始时间对数据进行排序。这使事情变得更容易，因为您现在知道索引 i + 1 的范围只能扩展索引 i 的范围，被索引 的范围包含i，或者让它成为下一个折叠范围的开始。

接下来，我将查看当前索引和下一个索引处范围的开始和结束。如果下一个索引的起点在当前范围内，您可以将其合并为一个。继续这样做，直到下一个索引的开始不在当前范围内，然后产生当前范围。我认为它应该看起来像这样:

def get_collapsed_ranges(ranges):
    ranges = iter(sorted(ranges))
    current_range = next(ranges)
    for start, end in ranges:
        if start > current_range[1]:
            yield current_range
            current_range = [start, end]
        elif end > current_range[1]:
            current_range[1] = end
    yield current_range

我还没有对此进行广泛的测试，但它至少适用于您的测试数据:

>>> list(get_collapsed_ranges([[0,3], [2,5], [4,5], [1,6], [8,10]]))
[[0, 6], [8, 10]]

当然，从这里，要获得总持续时间，您可以对折叠范围和 Bob 是你叔叔的差异求和。