Pandas按连续30分钟时间间隔分组异常问题求助

原始DataFrame结构：

需求：按连续30分钟时间间隔分组——若连续两行的时间差超过30分钟，则分为不同组。期望输出：

原实现代码：

x=df.groupby(['id','week', pd.Grouper(key='date', freq='30min',origin="start")]).agg({'date':[np.min, np.max]})

问题：分组器未正常工作。例如20/07/21 07:27:00与20/07/21 08:34:00间隔超1小时，却被错误归为同一组，不符合期望。

核心问题分析 #

pd.Grouper(freq='30min')是固定时间窗口分组，会按预设的30分钟区间（如12:00-12:30、12:30-13:00）分配行，完全不考虑相邻行之间的实际时间间隔，因此无法满足“连续行时间差超过30分钟则分组”的需求。

正确实现步骤 #

1. 确保date列是datetime类型（若原始是字符串需转换）
2. 计算相邻行的时间差
3. 根据时间差是否超过30分钟，生成动态分组标识
4. 按id、week和分组标识聚合，得到每组的最小/最大时间

代码实现 #

import pandas as pd
import numpy as np

# 1. 转换date列为datetime类型（若未转换）
df['date'] = pd.to_datetime(df['date'], format='%y/%m/%d %H:%M:%S')

# 2. 计算相邻行的时间差，第一行填充0
df['time_diff'] = df['date'].diff().fillna(pd.Timedelta(minutes=0))

# 3. 生成分组标识：时间差超过30分钟则新建一组
df['group_key'] = (df['time_diff'] > pd.Timedelta(minutes=30)).cumsum()

# 4. 分组聚合并整理列名
result = df.groupby(['id', 'week', 'group_key']).agg(
    min_date=('date', 'min'),
    max_date=('date', 'max')
).reset_index().drop('group_key', axis=1)

# 格式化时间列（可选，匹配原始格式）
result['min_date'] = result['min_date'].dt.strftime('%y/%m/%d %H:%M:%S')
result['max_date'] = result['max_date'].dt.strftime('%y/%m/%d %H:%M:%S')

print(result)

代码说明 #

• diff()计算当前行与上一行的时间差，第一行无前置行，用fillna补0
• (time_diff > pd.Timedelta(minutes=30)).cumsum()：当时间差超过30分钟时，布尔值为True（即1），累加后会生成递增的分组ID，实现动态分组
• 最后聚合时去掉临时的group_key，得到符合需求的输出

内容的提问来源于stack exchange，提问作者kri