python - 使用访问级数据框中的准入和出院时间按每小时分组数据

Question

我有一个包含患者就诊级别数据的数据框（每一行都是一个独特的个人的医院就诊）。有一列 for admit_timestamp，另一列 for discharge_timestamp。我需要为一天中的每个小时（0-23）计算几个指标（例如，每小时的患者总数）。最终结果将是一个 (24 x C) 矩阵，其中每一行是一个小时，并且C取决于我最终计算的聚合指标。请注意，这与这个问题不同，因为我不能简单地使用pd.resample在一列上---我必须考虑患者在医院的整个时间跨度，可能超过 1 天。我正在尝试找到一个有效的实现，因为它是每隔几周（批量）在几 GB 的数据上发生的操作。我希望这个社区可以为我指明正确的方向。考虑以下可重现的示例：

比如说，我们有 3 名患者，入院/出院时间戳如下：

df = pd.DataFrame({
    'patient_id':[1,2,3],
    'admit_timestamp':['2021-01-01 00:00:00', '2021-01-01 00:00:00', '2021-01-01 22:00:00'],
    'discharge_timestamp':['2021-01-01 02:00:00', '2021-01-02 00:00:00', '2021-01-01 23:30:00']
})

df.admit_timestamp = pd.to_datetime(df.admit_timestamp)
df.discharge_timestamp = pd.to_datetime(df.discharge_timestamp)

如果我想简单地计算每小时的患者总数（我需要的最简单的指标），我会期望这样的表格：

Hour | Count
0      2
1      2
2      1
.      .
.      .
.      .
23     1.5

我开始尝试组合pd.interval_range创建相关时间列表，并pd.explode融合数据，以便每一行代表一个独特的患者时间，但不确定这是否是最佳方法。