Python 使用pandas查找连续时间间隔中的最小值

我在这件事上有点纠结。我有一个

dataframe

，它有一个变量的样本，每个样本都有一个时间戳。数据按时间的增加顺序排序：

import pandas as pd

dates = [#Continuous Block
         pd.Timestamp('2012-05-03 09:00:01'), 
         pd.Timestamp('2012-05-03 09:00:02'), 
         pd.Timestamp('2012-05-03 09:00:03'),
         pd.Timestamp('2012-05-03 09:00:04'),
         #Non Continuous Block
         pd.Timestamp('2012-05-03 16:00:00'),
         pd.Timestamp('2012-05-03 17:00:04'),
         #Continuous Block
         pd.Timestamp('2012-05-03 18:00:01'), 
         pd.Timestamp('2012-05-03 18:00:02'), 
         pd.Timestamp('2012-05-03 18:00:03'),
         #Non Continuous Block
         pd.Timestamp('2012-05-03 19:00:03')]     


vars = [-0.105, -1.08, -1.08, -1.03, -1.0, -1.1, -0.15,-0.14,-0.13,-0.11]
df = pd.DataFrame({'A' : vars}, index=dates)

这使得：

                    A
2012-05-03 09:00:01 -0.105
2012-05-03 09:00:02 -1.080
2012-05-03 09:00:03 -1.080
2012-05-03 09:00:04 -1.030
2012-05-03 16:00:00 -1.000
2012-05-03 17:00:04 -1.100
2012-05-03 18:00:01 -0.150
2012-05-03 18:00:02 -0.140
2012-05-03 18:00:03 -0.130
2012-05-03 19:00:03 -0.110

正如您所看到的，通常有连续的条目，它们之间的间隔为1秒。我想在一组间隔1秒的时间戳中提取A的最小值。因此，在上述示例中，运行函数应给出：

2012-05-03 09:00:03,    -1.080
2012-05-03 16:00:00,    -1.000
2012-05-03 17:00:04,    -1.100
2012-05-03 18:00:01,    -0.150
2012-05-03 19:00:03,    -0.110

---

谢谢你的帮助

我通过创建一个名为“时间”的附加专栏来实现这一点

df['Time'] = df.index
df2 = df.groupby([df.index.hour]).apply(lambda x: x.min())
df2.reset_index(drop = True,inplace='True')
print df2.head()

给出：

     A                Time
0 -1.08 2012-05-03 09:00:01
1 -1.00 2012-05-03 16:00:00
2 -1.10 2012-05-03 17:00:04
3 -0.15 2012-05-03 18:00:01
4 -0.11 2012-05-03 19:00:03

如果只需要按小时分组，则不需要时间列，需要按时间戳分组：

df2 = df.groupby([df.index.hour]).apply(lambda x: x.min())
print df2.head()

输出为：

       A
9  -1.08
16 -1.00
17 -1.10
18 -0.15
19 -0.11

---

您是否也需要整个时间戳？我想记录最低变量发生的时间。所以，是的。我不需要日期，只需要一天中的时间，如果这有什么帮助的话？我需要做秒的部分，但应该需要一些时间来解决这个问题。这不是一个理想的方法，尽管嘿，太好了！谢谢