如何检测DataFrame每行时间与前一行是否相差10分钟并生成结果？

数据老陈

2026-8-10

解决方案

假设你使用Python的Pandas库处理数据集，以下是适配10万+行大数据量的高效实现方式：

步骤1：合并日期与时间为完整时间戳

要正确处理跨天场景，必须先将date和time列合并为标准的datetime类型：

import pandas as pd

# 合并date与time列，生成完整时间戳
df['datetime'] = pd.to_datetime(df['date'] + ' ' + df['time'])

步骤2：按传感器分组计算时间差

不同传感器的时间序列独立，需按sensor_id分组后，计算当前行与同组前一行的时间差（单位：分钟）：

# 分组计算相邻行的时间差，转换为分钟
df['time_diff_min'] = df.groupby('sensor_id')['datetime'].diff().dt.total_seconds() / 60

生成的time_diff_min列中，每组第一行因无前置数据会显示NaN，其余行值为两行的时间差（分钟）。

步骤3：生成10分钟间隔的布尔序列

针对跨天场景（如前一行是2024-05-20 23:50:00，下一行是2024-05-21 00:00:00），直接判断时间差是否等于10分钟即可。若你的业务逻辑支持循环计时（如间隔23小时50分即1430分钟也视为符合），可同时判断两种情况：

# 基础逻辑：仅判断时间差是否为10分钟（适配正常跨天）
df['is_10min_interval'] = df['time_diff_min'] == 10.0

# 若需支持循环计时（如前一天16:58到当天15:08，实际为间隔23小时50分），可修改为：
# df['is_10min_interval'] = df['time_diff_min'].isin([10.0, 1430.0])

注：你提到的16:58到15:08的例子，正常时间差为-110分钟，不符合10分钟间隔逻辑，推测是表述笔误，上述代码可正确处理23:58到00:08这类跨天10分钟间隔的场景。