没问题，我来帮你搞定这个需求！要找出0≤speed≤5的连续数据段并计算每个段的结束与开始时间差，咱们用Pandas就能轻松实现，步骤很清晰：

首先给DataFrame里的每一行打个标签，标记它是否满足速度区间要求：

import pandas as pd

# 用你提到的DataFrame名称c
c['is_valid'] = c['speed'].between(0, 5, inclusive='both')

接下来要把连续的有效行（is_valid=True）归为同一个分组，这里用累积求和的技巧就能实现：当行的有效性状态变化时，分组ID会自动递增，这样连续的有效行就会拥有相同的ID：

# 找出状态变化的位置，累加得到分组ID
c['group_id'] = (~c['is_valid']).cumsum()
# 只筛选出有效分组的数据
valid_segments = c[c['is_valid']].groupby('group_id')

现在对每个有效分组，提取最早的开始时间、最晚的结束时间，然后直接计算两者的差值：

# 聚合计算每个段的关键信息
segment_results = valid_segments.agg(
    start_time=('timestamp', 'min'),
    end_time=('timestamp', 'max'),
    duration=('timestamp', lambda x: x.max() - x.min())
).reset_index(drop=True)

# 查看最终结果
print(segment_results)

重要提示： #

• 确保你的timestamp列是datetime类型，如果目前还不是，先执行转换：

c['timestamp'] = pd.to_datetime(c['timestamp'])

• 结果里的duration是timedelta类型，如果需要转换成秒、分钟这类数值格式，可以用：

# 转换成总秒数
segment_results['duration_seconds'] = segment_results['duration'].dt.total_seconds()
# 转换成总分钟数
segment_results['duration_minutes'] = segment_results['duration'].dt.total_seconds() / 60

这样处理后，就能精准得到你需要的每个连续有效段的时间差啦，完全匹配你描述的场景——比如第一个段从索引1到7，第二个从9到14，都会被正确分组并计算时长。

内容的提问来源于stack exchange，提问作者Alastair New