如何用Pandas按非均匀时间间隔筛选DataFrame数据？

可以实现这种自定义的非均匀间隔筛选，Pandas虽然没有直接对应内置函数，但通过结合布尔索引和循环查找就能完成需求。以下是具体实现代码和逻辑：

步骤1：构造示例DataFrame #

先还原你的原始数据：

import pandas as pd

data = {
    'Timestamp': [0.00, 0.94, 1.94, 3.00, 4.00, 5.94, 8.00, 9.00, 10.00],
    'MeasureA': [26.46, 26.52, 30.01, 30.19, 30.07, 30.02, 30.22, 30.00, 30.00],
    'MeasureB': [63.60, 78.87, 82.04, 82.00, 81.43, 82.46, 82.48, 82.21, 82.34],
    'MeasureC': [3.90, 1.58, 1.13, 1.17, 1.13, 1.05, 0.98, 1.13, 1.12],
    'MeasureD': [0.67, 0.42, 0.46, 0.36, 0.42, 0.34, 0.35, 0.33, 0.34]
}
df = pd.DataFrame(data)

步骤2：实现非均匀间隔筛选逻辑 #

# 定义循环使用的间隔数组
intervals = [1.0, 1.5]
# 初始化结果列表，默认包含第一行数据
selected_rows = [df.iloc[0]]
# 初始时间阈值：第一行时间 + 第一个间隔
current_threshold = df.iloc[0]['Timestamp'] + intervals[0]
# 间隔数组的当前索引（从1开始，因为第一个间隔已使用）
interval_idx = 1
# 下次查找的起始位置
start_pos = 1

while start_pos < len(df):
    # 筛选出时间大于等于当前阈值的行，从start_pos开始查找
    valid_mask = df['Timestamp'] >= current_threshold
    valid_candidates = df.loc[valid_mask].iloc[start_pos - df.loc[valid_mask].index[0]:]
    
    if not valid_candidates.empty:
        # 取第一个符合条件的行
        selected_row = valid_candidates.iloc[0]
        selected_rows.append(selected_row)
        # 更新下一个时间阈值：当前行时间 + 循环取间隔数组的下一个元素
        current_threshold = selected_row['Timestamp'] + intervals[interval_idx % len(intervals)]
        # 更新下次查找的起始位置为当前行的下一行
        start_pos = df.index.get_loc(selected_row.name) + 1
        # 间隔数组索引自增
        interval_idx += 1
    else:
        # 没有符合条件的行，终止循环
        break

# 将结果转为DataFrame并重置索引
result_df = pd.DataFrame(selected_rows).reset_index(drop=True)
print(result_df)

代码逻辑说明 #

1. 先将第一行数据加入结果集合，计算第一个时间阈值（0.00 + 1.0 = 1.0），从第二行开始查找第一个时间≥1.0的行（即Timestamp=1.94的行）。
2. 接着使用间隔数组的下一个元素1.5，计算新阈值1.94 + 1.5 = 3.44，找到第一个时间≥3.44的行（即Timestamp=4.00的行）。
3. 之后循环复用间隔数组：用1.0计算阈值4.00+1.0=5.00，找到5.94的行；再用1.5计算阈值5.94+1.5=7.44，找到8.00的行；继续用1.0计算阈值8.00+1.0=9.00，找到9.00的行；最后阈值9.00+1.5=10.50，无符合条件的行，循环终止。
4. 最终得到的结果与你期望的筛选结果一致（注：你提供的期望结果中5.94行的MeasureB值为82.33，应为笔误，代码会保留原始数据的82.46）。

内容的提问来源于stack exchange，提问作者Jacobo