Python 找到相等的时间并递增地添加一个常量

我有一个包含一些时间戳的数据帧

df

df['Date'].values
Out[16]: 
array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:39.199994000',
       '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
       '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:10.040007000',
       '2015-04-19T16:36:10.040007000'], dtype='datetime64[ns]')

正如您所看到的，第一个和第二个时间戳是相等的，但最后3个时间戳也是相等的

我想扫描数据帧，如果有相等的时间戳，则保持第一个时间戳，并以增量方式向其他相等的时间戳添加5秒。 新的数据帧应该如下所示

df['Date'].values
Out[16]: 
array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:44.199994000',
       '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
       '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:15.040007000',
       '2015-04-19T16:36:20.040007000'], dtype='datetime64[ns]')

---

有没有一种不循环的python方法..我想根据时间戳进行分组，但我不知道如何继续…

使用groupby cumcount乘以时间增量，即

df = pd.DataFrame({'Date':np.array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:39.199994000',
   '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
   '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:10.040007000',
   '2015-04-19T16:36:10.040007000'], dtype='datetime64[ns]')})

df['Date'] + df.groupby(df['Date']).cumcount()*pd.Timedelta('5 seconds')

输出：

0 2015-03-25 14:36:39.199994 1 2015-03-25 14:36:44.199994 2 2015-03-26 10:05:03.699999 3 2015-04-19 16:01:49.680009 4 2015-04-19 16:36:10.040007 5 2015-04-19 16:36:15.040007 6 2015-04-19 16:36:20.040007 dtype: datetime64[ns] 0 2015-03-25 14:36:39.199994 1 2015-03-25 14:36:44.199994 2 2015-03-26 10:05:03.699999 3 2015-04-19 16:01:49.680009 4 2015-04-19 16:36:10.040007 5 2015-04-19 16:36:15.040007 6 2015-04-19 16:36:20.040007 数据类型：datetime64[ns]