如何用Pandas按Event组计算包含3行及以上的最短时间间隔？

给定如下Pandas DataFrame：

import pandas as pd

data = {
  "timeStamp": ['06:00:00', '06:03:00', '06:10:00', '06:30:00', '06:32:00', '06:02:00', '06:05:00', '06:06:00', '06:55:00', '06:00:00', '06:01:00', '06:20:00', '07:00:00'],
  "Event": ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'D']
}

df = pd.DataFrame(data)

需求：按每个Event分组，找出包含3行及以上数据的最短时间间隔。示例结果说明：

• Event "A"的最短间隔为10分钟（从06:00:00到06:10:00）
• Event "B"的最短间隔为4分钟（从06:02:00到06:06:00）
• Event "C"的最短间隔为20分钟（从06:00:00到06:20:00）
• Event "D"不存在符合条件的间隔

期望输出：

利用Pandas的时间运算、分组和滑动窗口特性，可以优雅实现需求，步骤如下：

1. 转换时间格式：将字符串时间转为datetime类型，便于计算时间差
2. 分组处理：按Event分组，对每组内的时间排序
3. 滑动窗口计算间隔：用窗口大小为3的滑动窗口，计算每组内连续3条数据的首尾时间差
4. 提取最小间隔：对每组的时间差取最小值，数据不足3条的标记为NA
5. 格式化输出：将时间差转为HH:MM:SS格式

具体代码实现：

import pandas as pd

# 1. 转换时间列为datetime类型
df['timeStamp'] = pd.to_datetime(df['timeStamp'], format='%H:%M:%S')

def get_min_interval(group):
    # 组内数据不足3条，返回空值
    if len(group) < 3:
        return pd.NaT
    # 对时间排序
    sorted_times = group.sort_values()
    # 滑动窗口计算连续3条数据的首尾时间差
    intervals = sorted_times.rolling(window=3).apply(lambda x: x.iloc[-1] - x.iloc[0], raw=False)
    # 取非空的最小间隔
    return intervals.min()

# 分组计算最小间隔
result = df.groupby('Event')['timeStamp'].apply(get_min_interval).reset_index(name='Interval')

# 格式化时间差为HH:MM:SS，空值替换为NA
result['Interval'] = result['Interval'].apply(lambda x: x.strftime('%H:%M:%S') if pd.notna(x) else 'NA')

print(result)

运行输出：

Event  Interval
0     A  00:10:00
1     B  00:04:00
2     C  00:20:00
3     D        NA

实现优势 #

• 用rolling(window=3)替代手动循环，代码简洁且性能高效
• 原生支持时间差计算，无需额外处理时间转换逻辑
• 自动处理数据量不足的边界情况，结果统一规范

内容的提问来源于stack exchange，提问作者Delopera