如何基于动态日期筛选分组内的行？按参与者筛选首分钟数据

需求说明 #

每位参与者有多条记录且起始时间不同，需要筛选出每位参与者首分钟内的所有行，起止日期需根据每个参与者的最早时间动态设置。

示例数据 #

尝试的代码及错误 #

已将start_time转为 datetime 类型，尝试按参与者分组后用apply筛选，但出现错误：

df['start_time'] = pd.to_datetime(df['start_time'])

x = df.sort_values('start_time',ascending=True).groupby(['participant']).apply(lambda g: pd.date_range(start=df['start_time'].min(), end = df['start_time'].max(), periods=len(g),freq='60S').to_series()).values

错误信息：

ValueError: Of the four parameters: start, end, periods, and freq, exactly three must be specified

错误分析 #

1. pd.date_range参数规则错误：该函数要求必须且只能指定start、end、periods、freq中的三个，同时指定四个会直接触发报错。
2. 逻辑偏差：代码使用全局的df['start_time'].min()/max()，而非每个参与者分组内的最早时间，完全不符合“动态设置起止日期”的需求。

正确实现方案 #

方案1：添加辅助列筛选（直观易读） #

先计算每个参与者的最早记录时间，再筛选出该时间后1分钟内的所有行：

# 转换时间列格式
df['start_time'] = pd.to_datetime(df['start_time'])

# 给每条记录标记所属参与者的最早时间
df['first_record_time'] = df.groupby('participant')['start_time'].transform('min')

# 筛选首分钟内的记录
filtered_df = df[df['start_time'] <= df['first_record_time'] + pd.Timedelta(minutes=1)]

# 可选：移除辅助列
filtered_df = filtered_df.drop('first_record_time', axis=1)

方案2：分组内直接筛选（简洁高效） #

利用groupby.apply在每个分组内完成筛选，无需额外辅助列：

df['start_time'] = pd.to_datetime(df['start_time'])

filtered_df = df.sort_values('start_time').groupby('participant').apply(
    lambda group: group[group['start_time'] <= group['start_time'].min() + pd.Timedelta(minutes=1)]
).reset_index(drop=True)

预期结果 #

处理后的数据将保留每个参与者最早记录时间开始后1分钟内的所有行：

• participant 1556的3条记录均在首分钟内，全部保留
• participant 1435、1222、1899各仅1条记录，全部保留

内容的提问来源于stack exchange，提问作者London-35