使用Pandas保留与rounded datetime最接近的datetime行

核心思路是先计算每行time（对应示例中的time_index）与rounded_time（示例中的rounded_datetime）的时间差绝对值，再按rounded_time分组，筛选出每组内时间差最小的行。

具体实现代码 #

import pandas as pd

data = {
    'time_index': ['2022-06-06 08:59:04', '2022-06-06 09:00:00', '2022-06-06 09:30:00'],
    'time': [1, 2, 3],
    'rounded_datetime': ['2022-06-06 09:00:00', '2022-06-06 09:00:00', '2022-06-06 09:29:39']
}

df = pd.DataFrame(data)
df['time_index'] = pd.to_datetime(df['time_index'])
df['rounded_datetime'] = pd.to_datetime(df['rounded_datetime'])

# 计算时间差绝对值
df['time_diff'] = abs(df['time_index'] - df['rounded_datetime'])

# 按rounded_datetime分组，筛选每组时间差最小的行
filtered_df = df.loc[df.groupby('rounded_datetime')['time_diff'].idxmin()]

# 可选：删除临时的time_diff列
filtered_df = filtered_df.drop('time_diff', axis=1)

print(filtered_df)

代码说明 #

• abs(df['time_index'] - df['rounded_datetime'])：计算两个datetime列的时间差并取绝对值，确保差值为正，方便后续比较。
• df.groupby('rounded_datetime')['time_diff'].idxmin()：按rounded_datetime分组，找到每组中time_diff最小的行的索引。
• df.loc[...]：通过索引筛选出目标行，得到最终结果。

运行代码后，示例中第一行会被移除，仅保留与2022-06-06 09:00:00时间差为0的第二行，以及无重复rounded_datetime的第三行。

内容的提问来源于stack exchange，提问作者John Doyle