Python 3.x 数据帧分块和分组

我有一个包含以下内容的数据框

date                    val

2010-01-01 20:46:15.00  7665
2010-01-01 20:46:55.20  2878
2010-01-01 20:47:55.20  8211
2010-02-12 03:08:03.20  0027
2010-02-12 03:09:10.07  3319
2011-04-21 11:46:14.40  3239
2011-04-21 11:47:08.12  7665
2012-06-25 12:42:03.09  7750
2012-06-25 13:38:54.88  7740

我希望数据被装箱，这样我就有了一个新的列，这样它就包含了10分钟内出现的val。在上面的例子中，它将是

bin                                   vals_in_bin
2010-01-01 00:00:00.00 - 00:10:00.00    None
.
.
2010-01-01 20:40:00.00 - 20:50:00.00   7665,2878,8211
.
.

然后，我想找出这一新数据中共出现的前10对VAL

例如，如果我们假设VAL（766528788211）在新数据中同时出现的次数最多，这将导致出现3对最前面的同时出现对（76652878）、（76658211）、（28788211）。我需要得到这样的配对对应的10个顶级共同出现的配对

到目前为止，我成功的是按照时间创建垃圾箱。但我不知道如何根据这些箱子对val进行分组

data = pd.read_csv(file_loc))
data= data.drop_duplicates()
data.reindex()
data['date'] = pd.to_datetime(data['date'])
start_time = data['date'].min()
end_time = data['date'].max()
bins = pd.date_range(start = start_time, end=end_time, freq='10T')

---

df.astype（str）.groupby（df['date'].dt.floor（'10min'））['val'].apply（'，'.join.）.resample（'10min'）.first（）

。？@ChrisA。“你有没有建议高效地做第二部分？嗯，看起来有点像是值得研究的……”ChrisA。你介意关心那段代码到底在做什么吗？这里面有随机性吗？每次跑步我都会得到不同的结果。