Python 具有重叠间隔的groupby时间序列

我在python中有一个数据帧对象的时间序列，我想创建一个基于索引的组，但我想要重叠的组，即组不是不同的。标题_sec是索引列。 每组由一个2秒的窗口组成。 输入数据帧

    header_sec
1  17004 days 22:17:13 
2  17004 days 22:17:13 
3  17004 days 22:17:13 
4  17004 days 22:17:13 
5  17004 days 22:17:14
6  17004 days 22:17:14
7  17004 days 22:17:14
8  17004 days 22:17:14
9  17004 days 22:17:15
10 17004 days 22:17:15
11 17004 days 22:17:15
12 17004 days 22:17:15
13 17004 days 22:17:16
14 17004 days 22:17:16
15 17004 days 22:17:16
16 17004 days 22:17:16
17 17004 days 22:17:17
18 17004 days 22:17:17
19 17004 days 22:17:17
20 17004 days 22:17:17

我的第一组应该有

1  17004 days 22:17:13 
2  17004 days 22:17:13 
3  17004 days 22:17:13 
4  17004 days 22:17:13 
5  17004 days 22:17:14
6  17004 days 22:17:14
7  17004 days 22:17:14
8  17004 days 22:17:14

第二组从上一个索引开始，并获取上一个索引中的1/2记录

7  17004 days 22:17:14
8  17004 days 22:17:14
9  17004 days 22:17:15
10 17004 days 22:17:15
11 17004 days 22:17:15
12 17004 days 22:17:15
13 17004 days 22:17:16
14 17004 days 22:17:16

第三组

13 17004 days 22:17:16
14 17004 days 22:17:16
15 17004 days 22:17:16
16 17004 days 22:17:16
17 17004 days 22:17:17
18 17004 days 22:17:17
19 17004 days 22:17:17
20 17004 days 22:17:17

如果我在索引上做groupby

  dfgroup=df.groupby(df.index)

这使得每秒有一组。合并这些组的最佳方法是什么？

以下是一种技巧：

import numpy as np # if you have not already done this

grouped = df.groupby(df.index)

for name, group in grouped:
    try:
        prev_sec = df.loc[(name - pd.to_timedelta(1, unit='s')), :]
    except KeyError:
        prev_sec = pd.DataFrame(columns=group.columns)
    try:
        next_sec = df.loc[(name + pd.to_timedelta(1, unit='s')), :]
    except KeyError:
        next_sec = pd.DataFrame(columns=group.columns)
    Pn = 2 # replace this with int(len(prev_sec)/2) to get half rows from previous second
    Nn = 2 # replace this with int(len(next_sec)/2) to get half rows from next second
    group = pd.concat([prev_sec.iloc[-Pn:,:], group, next_sec.iloc[:Nn,:]])

    # Replace the below lines with your operations
    print(name, group)

---

是否总是每秒有4个条目？否，因为缺少数据。这些实际上是每秒采集的样本。实际数据每秒有100个样本，但有时缺少一个条目。您问题中的示例不一致。第二组从22:17:14开始取2行，但第三组不从22:17:15开始取任何行。第一组获取22:17:15的所有值，但第二组不获取22:17:16的所有值。你能澄清一下吗？我在想，你需要的是给定秒的所有值+前一秒的最后2个值+下一秒的前2个值。正确吗？每个组都有一个2秒的窗口，但它以重叠的方式移动，其中只有前一秒的一半条目进入下一组。因此，从前一秒中提取1/2个条目+当前第二秒中提取1/2个条目+从下一秒中提取1/2个条目。第三组获取前一秒的1/2条目，即重复条目编号13和14，给出13-20I，在此行prev_sec=df[df['header_sec'].isin（name-pd.to_timedelta（1，unit='s'））处出错，因为“header sec”是索引，而不是列。我尝试将其替换为df[df.index].isin（name-pd.to_timedelta（1，unit='s'）），但仍然给出了一个关键错误“TimedeltaIndex（['17004 days 22:17:13'，'17004 days 22:17:13'，\n'17004 days 22:17:13'，'17004 days…..不在索引中”编辑了我的答案。您需要

df[df.index.isin（…）]

。我也试过了，但它仍然给出了一个只允许将对象传递给isin（）的错误列表，您传递了一个[Timedelta]这是因为我的索引已经是timedelta。这是我在groupby df.loc[：，['header\u stamp\u secs\u x']=pd.to\u timedelta（df.header\u stamp\u secs\u x，unit='s'）df.set\u index（'header\u stamp\u secs\u x'，inplace=True）之前所做的操作哦，是的……那个。很抱歉疏忽了。名称只是一个实体，而不是列表。我的错误，我真诚地为来回表示歉意。对答案的编辑应该会起作用。很抱歉，作为数据帧的新手，它不起作用。我想因为我的索引是timedelta，它说只有类似列表的对象才允许传递给is在（）中，您传递了[timedelta64]打印类型（名称-np.timedelta64（1，'s'））