Python 按密集事件分组

我正试图找到一种有效的方法，将间隔很近的事件组合在一起。如果我有以下生成的时间序列：

In [247]: times = pd.date_range('1/1/2011', periods=72, freq='M')
In [248]: times = times[(times < times[20]) | (times > times[40])]

[247]中的

times=pd.date\u范围（'2011年1月1日'，周期=72，频率=M'）
在[248]中：次=次[（次<次[20]）|（次>次[40]）]

因此，我有两组活动，每组间隔1个月，中间有很长的间隔。有没有找到这些组的有效方法？

使用

diff（）

方法和阈值来计算groupby数组：

import pandas as pd
import numpy as np

times = pd.date_range('1/1/2011', periods=72, freq='M')
times = times[(times < times[20]) | (times > times[40])]

s = pd.DataFrame({"value":np.random.rand(len(times)), "times":times})
g = (s.times.diff() > np.timedelta64(60, "D")).astype(int).cumsum()
print s.groupby(g).min()

---

哦，我真的很喜欢这个解决方案。我也在做类似的事情，我添加了一个diff列，如果它低于我的切分，那么将值设置为0，然后

cumsum

ed。我更喜欢把一组连续剧作为一个单打。

                times     value
0 2011-01-31 00:00:00  0.022073
1 2014-06-30 00:00:00  0.003856