Python 查找数据帧中时间在60秒内的所有行对

我有这样一个数据帧：

>>> df
   X         Y
0  a  2021-02-26 06:30:00
1  b  2021-02-26 06:30:30
2  c  2021-02-26 06:30:45
3  d  2021-02-26 06:31:30
4  e  2021-02-26 06:31:50

我想找出Y在60秒内的所有X对

所以我想：

a、 b

a、 c

b、 c

b、 d

c、 d

d、 e

---

我知道我可以在数据上使用循环并进行比较，但我希望有一种更优雅的方法来实现这一点，例如使用过滤器和grouper

很容易使用

。这里的merge\u asof

函数：

将熊猫作为pd导入
从io导入StringIO
数据=StringIO(
"""
xy
0A2021-02-2606:30:00
1B 2021-02-2606:30:30
2c2021-02-2606:30:45
三维2021-02-2606:31:30
4E 2021-02-2606:31:50
“.strip（））
df=pd.read\U csv（数据，sep=''）
df['Y']=pd.to_datetime（df['Y']）
pd.merge\u asof（df，df，on='Y'，容差=pd.Timedelta（'60 s'），允许精确匹配=False，方向='forward'）

---

但是，正如您从输出中看到的，对于每个左侧条目，它将只匹配一个项目。由于您对非唯一匹配感兴趣，这是一个更复杂的挑战，需要形成所有潜在的值组合。

以下是我的答案，希望这有助于：

将“X”列转换为索引：

创建所有可能的组合并将其存储在另一个数据框中：

comb_list=list（组合（df.index.to_list（），2））
df2=pd.数据帧（组合列表）
df2.index=comb\u列表
df2['Result']=df2.apply（lambda行：df.loc[row[1]]['Y']-df.loc[row[0]['Y']，axis=1）
output=df2[df2['Result']尝试以下方法：

将熊猫作为pd导入
从io导入StringIO
从日期时间导入时间增量
数据=StringIO(
"""
xy
0A2021-02-2606:30:00
1B 2021-02-2606:30:30
2c2021-02-2606:30:45
三维2021-02-2606:31:30
4E 2021-02-2606:31:50
""")
df=pd.read\U csv（数据，sep=''）
df['Y']=pd.to_datetime（df['Y']）
#为交叉联接添加键
df['key']=0
#交叉连接
df=df.merge（df，on='key'，后缀=（''，'u intermediate'））
df[（df['Y_intermediate']>df['Y']）
&（df['Y_intermediate']-df['Y']如果你担心时间的话，python一开始就不是那么快的语言。
df =  pd.DataFrame({
        'X': [ 'a','b','c','d','e'],
        'Y' : [ '2021-02-26 06:30:00','2021-02-26 06:30:30','2021-02-26 06:30:45','2021-02-26 06:31:30', '2021-02-26 06:31:50'],
       })
df["Y"]= pd.to_datetime(df["Y"])
df.index = df['X'] 
df = df.drop('X',axis=1)

comb_list = list(combinations(df.index.to_list(),2))
df2 = pd.DataFrame(comb_list)
df2.index = comb_list
df2['Result'] = df2.apply(lambda row : df.loc[row[1]]['Y'] - df.loc[row[0]]['Y'] , axis = 1 )
output = df2[df2['Result'] <= pd.Timedelta(60,'S')].index.to_list()
print(output)
[('a', 'b'), ('a', 'c'), ('b', 'c'), ('b', 'd'), ('c', 'd'), ('d', 'e')]