Python 大熊猫：按未知时间段分组

我有一个不同时间段的数据集。我想按id和时间段对它进行分组，但是：我不知道每个时间段有多长，甚至不知道它何时开始。我肯定知道一件事：当两个时间戳之间的差值大于两分钟时，新的时间段开始

示例：这里我们有两个时间段：

• 从

  05:36:07

  到

  05:36:42

• 从

  21:54:16

  到

  21:54:37

数据：

这应该以如下方式结束：

id,timeserie,value
00b0f3,1,19
00b0f3,2,24

有没有熊猫的助手，可以让我在两个时间间隔内检测出最大的时间段

---

谢谢

尝试使用

cumsum

和带有

groupby

的布尔测试条件：

df.groupby(['id',
           (df['timestamp'].diff() > pd.Timedelta(minutes=2)).cumsum()], 
           as_index=False)['value'].sum()

输出：

       id  value
0  00b0f3     19
1  00b0f3     24

---

您可以使用

groupby

和

pd.Grouper

如下：

df = df.groupby(["id",pd.Grouper(key="timestamp", freq='2min')]).sum()

import pandas as pd

df = pd.read_csv("D:/tmp/data.csv")
df["timestamp"] = pd.to_datetime(df["timestamp"])

结果将是：

>>> df
                            value
id     timestamp                 
00b0f3 2018-05-21 05:36:00     19
       2018-05-21 21:54:00     24

如果希望将

id

作为单独的列，可以在代码行下方运行：

df.reset_index(inplace=True)

然后，生成的数据帧将是：

>>> df
       id           timestamp  value
0  00b0f3 2018-05-21 05:36:00     19
1  00b0f3 2018-05-21 21:54:00     24

注 我将您的数据粘贴到一个

csv

文件中，然后导入它并创建了

DataFrame

，如下所示：

df = df.groupby(["id",pd.Grouper(key="timestamp", freq='2min')]).sum()

import pandas as pd

df = pd.read_csv("D:/tmp/data.csv")
df["timestamp"] = pd.to_datetime(df["timestamp"])