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：
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)✅ 输出说明与验证
最终 out DataFrame 包含：
- sourceName, startDate, endDate, duration（会话总时长）
- awake_duration, core_duration, rem_duration（各阶段+空隙修正后时长）
例如第一行 AppleWatch 会话中：
- awake_duration = 2.05：由 row1→row2 的 3 分钟（0.05h） + row3→row4 的 2 小时空隙（2.0h）构成；
- core_duration = 3.333：对应 row0（20m） + row3（3h） + row5（9h8m）中 Core 阶段的纯时长；
- rem_duration = 4.117：row2（2h7m） + row4（2h）的 REM 时长。
⚠️ 注意事项
- 时间戳必须为 pd.Timestamp 类型且带时区（如 +02:00），否则 sub() 运算可能出错；
- delta 计算依赖 groupby('sourceName')，确保跨设备不混淆空隙；
- 若存在 Awake 阶段本身，则其 duration 直接计入，不重复叠加空隙（避免 double-counting）；
- 如需扩展支持更多阶段（如 Deep, Light），只需调整正则提取逻辑并确保 col 值唯一。
该方案兼顾可读性与鲁棒性，适用于任意多源、多阶段的时序健康数据聚合场景。
