如何基于10分钟间隔迭代计算pandas groupby差值生成新分组列

• 现有已按person、time_bought排序的DataFrame，已提前根据行前后记录是否为fruit生成了group列。
• 需要新增new_group列，分组规则：同用户下相邻的fruit类购买记录，时间差在10分钟内归为同一组，超过10分钟则新建分组，非fruit类记录归属到它之前最近的fruit记录所在分组。

示例数据如下：

person   time_bought  product  group  new_group
abby     2:21         fruit     1       1
abby     2:24         other     
abby     2:25         fruit     2       1  (2.25 is within 10 minutes of 2.21 so part of same group)
abby     10:35        fruit     2       2  
abby     10:40        other
abby     10:42        fruit     3       2  (10.42 is within 10 minutes of 10.35)
abby     10:53        fruit     4       3  (10.53 is not within 10 minutes of 10.42)
abby     11:04        fruit     d
barry    12:00        fruit     1

之前尝试的代码未得到预期结果：

m= df.groupby(["person", "group"]).time_bought.diff()
df["new_group"] = df.groupby(["person, "group"]).mask(m).ffill()

1. 语法错误：分组字段列表里的"person缺少闭合引号
2. 逻辑错误：按person+group分组计算时间差不符合需求，分组判断只需要参考同用户下所有fruit记录的时间间隔，和提前生成的group列无关；且mask、ffill的调用逻辑错误，没有正确生成分组递增的序号。

import pandas as pd

# 先将时间字符串转为可计算差值的时间格式，默认按同一天时间处理
df['time_bought'] = pd.to_datetime(df['time_bought'], format='%H:%M')

# 标记fruit类记录
fruit_row_mask = df['product'] == 'fruit'
# 按用户分组，计算每条fruit记录和上一条fruit记录的时间差
adjacent_fruit_diff = df[fruit_row_mask].groupby('person')['time_bought'].diff()

# 时间差超过10分钟则标记为新分组起点，按用户单独累加生成分组序号，从1开始计数
df.loc[fruit_row_mask, 'new_group'] = (
    (adjacent_fruit_diff > pd.Timedelta(minutes=10))
    .groupby(df.loc[fruit_row_mask, 'person'])
    .cumsum() + 1
)

# 同用户下向下填充分组序号，给中间的非fruit记录匹配对应分组
df['new_group'] = df.groupby('person')['new_group'].ffill()

# 如需将时间列转回原字符串格式，可执行以下语句
df['time_bought'] = df['time_bought'].dt.strftime('%H:%M')

运行后结果和示例给出的预期完全匹配：同用户下相邻fruit间隔小于10分钟同组，间隔超10分钟自动新建组，非fruit行自动继承前序最近fruit的分组号。

内容的提问来源于stack exchange，提问作者asd