如何按“Combi”分组汇总“time in minutes”列的数值

本文介绍在pandas中对存在空单元格（即跨行合并逻辑）的“combi”列进行前向填充分组，并精准汇总对应“time in minutes”列数值的完整方法，适用于工业日志、设备运行记录等典型场景。

在实际数据处理中，常遇到类似excel中“合并单元格”的语义结构：Combi列仅在每组首行有值（如 300244871），后续行为空（或空字符串），而同一组内其他列（如 Tons、time in minutes）具有独立数值。此时不能直接用常规 groupby(‘Combi’)，因为空值会导致分组失效——必须先还原逻辑分组关系。

核心思路是：用前向填充（ffill）将空值补全为上一个有效 Combi 值，再以此为分组键进行聚合。

✅ 正确实现步骤

1. 数据预处理：清洗并转换数值类型

time in minutes 列含逗号小数点（如 “70,05”），需统一替换为英文小数点后转为数值：

import pandas as pd import numpy as np  # 示例数据（注意：原始表格中 Combi 列存在空单元格） df = pd.DataFrame({     'Combi': ['300244871', '', '', '300244871', '300244881', '', '', '300244881'],     'Tons': [23.080, 0.000, 22.790, 0.000, 23.080, 0.000, 22.790, 0.000],     'time in minutes': ['70,05', '0,00', '71,98', '0,00', '77,05', '0,00', '5,98', '0,00'] })  # 清洗并转为浮点数 df['time in minutes'] = pd.to_numeric(     df['time in minutes'].str.replace(',', '.', regex=False) )

2. 构建逻辑分组键

关键一步：对 Combi 列执行前向填充。若空值为 NaN，直接 ffill()；若为空字符串 ”，则先替换为 NaN 再填充：

# 若 Combi 中为空字符串（常见于读取csv时），使用： grouper = df['Combi'].replace('', np.nan).ffill()  # 若已为 NaN，可简写为： # grouper = df['Combi'].ffill()

3. 分组聚合：一次性获取多维度统计

使用 groupby().agg() 同时计算起止时间（time列最小/最大值）与 time in minutes 总和：

# 假设原始DataFrame还包含 'time' 列（如 '05:12:30' 字符串） # 注意：此处需确保 'time' 列为字符串类型（非datetime），否则 min/max 可能异常 out = df.groupby(grouper).agg(     start=('time', 'min'),     end=('time', 'max'),     total_time_minutes=('time in minutes', 'sum') ).round(2)  # 保留两位小数，匹配业务精度  print(out)

输出示例：

start       end  total_time_minutes Combi                                                300244871  05:12:30  07:34:32                142.03 300244881  05:12:30  07:34:32                 83.03

✅ 验证：300244871 组的 70.05 + 0.00 + 71.98 + 0.00 = 142.03，完全符合预期。

4. （可选）逐组打印结果

如需调试或生成日志式输出，可用迭代方式：

for combi_id, group in df.groupby(grouper):     total = group['time in minutes'].sum()     time_start = group['time'].min()     time_end = group['time'].max()     print(f"Combi {combi_id}: {time_start} → {time_end} | Total time (min): {total:.2f}")

⚠️ 注意事项

• 空值类型判断：务必确认 Combi 列中空单元格是 NaN 还是空字符串 ”，二者处理方式不同；推荐统一用 df[‘Combi’].replace(”, np.nan).ffill() 更鲁棒。
• 时间列类型：若 time 列已转为 datetime64，min()/max() 仍有效；但若含非法时间（如 ’07:34:325,98′ ——原文本中的笔误），需先清洗。
• 性能提示：ffill() + groupby 是向量化操作，远快于手动循环，适合万行级以上数据。
• 扩展性：agg() 支持任意聚合函数组合（如 ‘count’, Lambda x: x.nunique()），便于后续扩展分析维度。

通过该方法，你不仅能准确汇总 time in minutes，还能同步提取每组的时间跨度，为产线节拍分析、设备利用率计算等提供结构化基础。