Python 如何在规则的时间间隔序列中对连续值进行分组？

我需要单独分析包含在规则间隔时间序列中的孔之间的记录

例如，在以下时间序列中，每隔6秒定期间隔一次，00:24和00:54之间存在间隙：

2018-01-01 00:00:00     4.2
2018-01-01 00:00:06     4.1
2018-01-01 00:00:12     4.3
2018-01-01 00:00:18     3.4
2018-01-01 00:00:24     4.7
2018-01-01 00:00:54     3.3
2018-01-01 00:01:00     8.2

我需要分别分析以下两组：

第一组：

2018-01-01 00:00:00     4.2
2018-01-01 00:00:06     4.1
2018-01-01 00:00:12     4.3
2018-01-01 00:00:18     3.4
2018-01-01 00:00:24     4.7

第二组：

2018-01-01 00:00:54     3.3
2018-01-01 00:01:00     8.2

一个巨大的数据集中包含多个孔，分析需要比较连续的组

下面是一些代码来重现示例：

data_index=pd.DatetimeIndex（['2018-01-01 00:00:00'，'2018-01-01 00:00:00:00:00:00:00:00
06','2018-01-01 00:00:12','2018-01-01 00:00:18', '2018-01-01 00:00:24', '2018-01-01 00:00:54', '2018-01-01 00:01:00'])
数据=[4.2,4.1,4.3,3.4,4.7,3.3,8.2]
df=pd.DataFrame（数据索引，列=['date']）
df['datetime']=pd.to_datetime（df['date']）
df=df.set_索引（'datetime'）
drop（['date']，axis=1，inplace=True）
df['data']=数据

使用

---

细节

print(groups)

datetime
2018-01-01 00:00:00    1
2018-01-01 00:00:06    1
2018-01-01 00:00:18    1
2018-01-01 00:00:24    1
2018-01-01 00:00:54    2
2018-01-01 00:01:00    2
Name: datetime, dtype: int64

---

要分析不同的数据帧，可以将其保存在字典中：

dfs={i:group for i,group in df.groupby(groups)}
print(dfs[1])
                     data
datetime                 
2018-01-01 00:00:00   4.2
2018-01-01 00:00:06   4.1
2018-01-01 00:00:18   3.4
2018-01-01 00:00:24   4.7

print(dfs[2])
                     data
datetime                 
2018-01-01 00:00:54   3.3
2018-01-01 00:01:00   8.2

---

那么问题是什么呢？非常感谢你的回答，但是我在我的例子中犯了一个小的误导性错误。我错过了一行，我只是添加了它，因为我正在寻找任何大于采样周期的孔。您的回复仍然很完美，但是，我邀请您将timedelta比较编辑到>6秒。欢迎您！你的意思是：

groups=（df.index.to_series（）.diff（）>=pd.Timedelta（seconds=6））.cumsum（）+1

？是的，但是

groups=（df.index.to_series（）.diff（）>pd.Timedelta（seconds=6））.cumsum（）+1

否则每个步骤都是一个新的组。

dfs={i:group for i,group in df.groupby(groups)}
print(dfs[1])
                     data
datetime                 
2018-01-01 00:00:00   4.2
2018-01-01 00:00:06   4.1
2018-01-01 00:00:18   3.4
2018-01-01 00:00:24   4.7

print(dfs[2])
                     data
datetime                 
2018-01-01 00:00:54   3.3
2018-01-01 00:01:00   8.2