Python 熊猫中的数据差距发现（非填补）？

我有一个gappy timeseries，它存储在一个带有datetimeindex的pandas数据框中。现在，我想确定时间序列中的间隔，以便确定连续的段，以便单独处理它们（在某些情况下，用足够短的间隔将段粘合在一起）

我有两种主要的方法可以做到这一点。第一种方法是使用各种方法重新编制索引，以获得规则的时间序列，并观察间隙区域中填充的NA值。在我的例子中，这会导致很多额外的行（即一些较长的间隙）。然后，您仍然需要执行额外的步骤来识别连续段

另一种方法，也是我目前正在使用的方法，是使用np.diff对索引进行差分，并使用np.where查找差距。但是有没有一种更为本土的方法来解决这个问题呢？这似乎是一项相当普通的任务。我注意到np.diff和pandas在numpy和pandas版本的某些组合中存在问题，因此最好使用pandas-only解决方案

什么才是完美的呢

for segment in data.continuous_segments():
    # Process each segment

---

对于数据帧数据。

这可能适用于您：

df = pd.DataFrame([["2015-01-01",1],["2015-01-02",1],[np.nan,1],[np.nan,1],["2015-01-10",1],["2015-01-11",1]], columns = ['timestamp','value'])

continuous_segments = df[df.timestamp.notnull()].groupby(df.timestamp.isnull().cumsum())

for segment in continuous_segments:
     print (segment[1])

    timestamp  value
0  2015-01-01      1
1  2015-01-02      1
    timestamp  value
4  2015-01-10      1
5  2015-01-11      1

---

我认为这可能是一个很好的起点：