在Python中查找重叠的时间段

Question

我正在尝试检查以下数据框中，以time_from和time_to表示的持续时间相同的file_id中的两个时间段是否重叠：

df1
    id,file_id,time_from,time_to
    1,10,00:00:19,00:00:25
    2,12,00:02:39,00:02:49
    3,12,00:04:18,00:04:30
    4,12,00:05:30,00:05:55
    5,15,00:01:35,00:01:38
    6,18,00:07:35,00:07:48


df2 
    id,file_id,time_from,time_to
    1,10,00:00:18,00:00:26
    2,12,00:02:30,00:02:49
    3,12,00:05:28,00:05:56
    4,15,00:01:40,00:01:50

基本上，我想要计算两个数据框中在相同的file_id下，time_from和time_to之间允许一定距离（比如+/-4秒）的片段重叠的次数。

输出应该类似于：

file_id, number_of_overlapping_segments
10, 1
12, 2
15, 1
18, 0

这是唯一不重叠的时间段，算法应该返回0（假设距离>4秒）。其他情况都应该返回1：

               [_____]

   [________]           [______]

到目前为止，我的方法是使用pandas将给定时间段的左右（限制）扩展4秒，并创建临时数据框来保存具有重叠时间段的行。例如：

import pandas as pd

left_overlap = []
right_overlap = []

for f in list(set(df1.file_id) & set(df2.file_id)):
    for t_from, t_from_lim in list(zip(df2[df2.file_id==f]['time_from'],
                                       df1[df1file_id==f]['time_from_limit'])):
        if t_from > t_from_lim:
            left_overlap.append(df_2[(df2.file_id==audio) & \
                                             (df2.time_from==t_from)])

df_left_overlap = pd.concat(left_overlap).reset_index(drop=True)


for f in list(set(df1.file_id) & set(df2.file_id)):
    for t_to, t_to_lim in list(zip(df_left_overlap[df_left_overlap.file_id==f]['time_to'],
                                       df1[df1.file_id==f]['time_to_limit'])):
        if t_to < t_to_lim:
            right_overlap.append(
                df_left_overlap[(df_left_overlap.file_id==f) & \
                                    (df_left_overlap.time_to==t_to)])

overlap = pd.concat(right_overlap)

我认为这个解决方案不够高效，希望能找到更加健壮的方法来处理它。

提前感谢！

- Milo

---

请参考此 Stack Overflow 帖子以获取一些帮助 https://stackoverflow.com/a/48748109/6361531 - Scott Boston

Answer 1

看起来你正在添加时间范围为 time_from-(4秒) 和 time_to+(4秒) 的属性。（这是 time_from_limit 和 time_to_limit 吗？）另外，你似乎在试图检测重叠，但实际上更容易测试它们是否不重叠，并对其取反。

例如（伪代码）：

for segment1 in df1:
    for segment2 in df2 records with matching fileid:
        if not (segment1.['time_from'] >= segment2.['time_to'] + (4 seconds) or
                segment2.['time_from'] >= segment1.['time_to'] + (4 seconds)):
        # They overlap
        counters[fileid]++

- Andru Luvisi

---

嗨@glomek，没错。我正在使用time_from_limit和time_to_limit扩展时间范围，以允许额外的重叠时间。同意原则上检测片段不重叠更简单。 - Milo