如何基于组间时间差条件创建新列并合并满足时间阈值的分组

嘿，这个需求我之前处理过类似的，咱们一步步来搞定它！核心逻辑很明确：只要当前组和下一组的group_start_time间隔小于5分钟，就把它们归为同一个new_group。咱们用Pandas来实现，步骤非常清晰：

第一步：先处理时间格式 #

首先得把字符串类型的group_start_time转换成Pandas可计算的时间类型，不然没法算时间差：

import pandas as pd

# 先构造你的示例DataFrame
data = {
    'country': ['UK', 'UK', 'UK', 'UK'],
    'fruit': ['apple', 'apple', 'banana', 'apple'],
    'time': ['12:20', '12:22', '12:22', '12:26'],
    'group': ['a', 'a', 'b', 'c'],
    'group_start_time': ['12:20', '12:20', '12:22', '12:26']
}
df = pd.DataFrame(data)

# 转换时间列，这里假设是当天的时间，有日期的话直接用原日期即可
df['group_start_time'] = pd.to_datetime('2024-01-01 ' + df['group_start_time'])

第二步：按组聚合并计算相邻组的时间差 #

因为每个组的group_start_time是统一的，所以先按group分组提取每组的起始时间，再计算和下一组的时间差：

# 按group分组，获取每个组的起始时间（取第一个值就行，每组的start_time都一致）
group_info = df.groupby('group')['group_start_time'].first().reset_index()

# 计算当前组与下一组的时间差，转成分钟单位
group_info['time_diff_to_next'] = group_info['group_start_time'].shift(-1) - group_info['group_start_time']
group_info['time_diff_to_next'] = group_info['time_diff_to_next'].dt.total_seconds() / 60

第三步：生成合并后的new_group标记 #

接下来给每个组标记归属的合并组：如果当前组和下一组的时间差小于5分钟，就和上一组同属一个new_group；否则新建一个。这里用cumsum累计分组ID，再把每组的第一个组名作为合并组的名称：

# 标记需要新建组的位置：时间差>=5分钟时（最后一组默认归为新组）
group_info['new_group_id'] = (group_info['time_diff_to_next'].fillna(5) >= 5).cumsum()

# 把每个合并组的第一个组名作为new_group的名称
group_info['new_group'] = group_info.groupby('new_group_id')['group'].transform('first')

第四步：把new_group映射回原DataFrame #

最后把分组信息合并回原表格，就得到你想要的结果了：

# 合并回原DataFrame
df = df.merge(group_info[['group', 'new_group']], on='group', how='left')

# 如果需要把时间列转回字符串格式，执行这一步
df['group_start_time'] = df['group_start_time'].dt.time.astype(str)

运行完代码后，就能得到期望的输出：

country   fruit   time group group_start_time new_group
0      UK   apple  12:20     a            12:20         a
1      UK   apple  12:22     a            12:20         a
2      UK  banana  12:22     b            12:22         a
3      UK   apple  12:26     c            12:26         a

补充说明 #

• 如果你的数据本身带日期，直接转成datetime即可，不用加固定日期；
• 这个逻辑支持连续合并：比如a和b差2分钟，b和c差4分钟，那a、b、c会被合并成同一个new_group，完全符合你的需求；
• 如果后续有组d的start_time是12:32（和c差6分钟），那d会自动成为一个新的new_group。

内容的提问来源于stack exchange，提问作者asd