这似乎是pandas.DataFrame.groupby和itertools.groupy的 * 超级组合 * 的一个很好的例子：

from ast import literal_eval
from itertools import groupby​

# df["interval_presence"] = df["interval_presence"].apply(literal_eval) #uncomment this line if string literal
​​
def merge_overintervals(ser):
    ser.sort(key=lambda x: x[0])
    return [next(i) for _, i in groupby(ser, key=lambda x: x[1])]
​
out = df.groupby(["annotator", "event"], as_index=False, sort=False).agg(list)
​
out["interval_presence"] = out["interval_presence"].apply(merge_overintervals)

输出：

print(out)

   annotator    event interval_presence
0          3    birds  [[0, 5], [7, 9]]
1          3   voices          [[1, 2]]
2          3  traffic          [[1, 7]]
3          5   voices         [[4, 10]]
4          5  traffic          [[0, 1]]

• NB：如果您需要在嵌套时获得扁平的1元素列表，请添加以下内容：*

from itertools import chain

out["interval_presence"]  = [x if len(x)>1 else list(chain(*x)) 
                             for x in out["interval_presence"]]

使用以下示例数据：

data = pd.DataFrame({
    'annotator': [3, 3, 3, 3, 5, 5, 5],
    'event': ['birds', 'birds', 'voices', 'traffic', 'voices', 'voices', 'traffic'],
    'interval_presence': [[0,5], [7,9], [1,2], [1,7], [4,7], [5,10], [0,1]]
})

此代码将列表转换为间隔：

data['interval_presence'] = data['interval_presence'].apply(lambda x: pd.Interval(*x))

这个函数分组，然后对区间应用piso.union：

data = data.groupby(['annotator', 'event'])['interval_presence'] \
    .apply(pd.arrays.IntervalArray) \
    .apply(piso.union) \
    .reset_index()

不过，似乎piso目前只支持左闭或右闭的区间。这可能有更深层次的原因，但也可能只是过时了。例如，创建如下的区间：

data['interval_presence'] = data['interval_presence'].apply(lambda x: pd.Interval(*x), closed='both')

将获得AttributeError：“str”对象没有“closed”属性。