Pandas按时间间隔与区间重叠规则合并DataFrame行的实现问题

首先修正原问题中df1的构造代码（原代码缺少data外层列表，无法正常运行）：

import pandas as pd

df1 = pd.DataFrame(data=[["shoe", 4, 6, 0.110, 10],
                        ["bracelet", 22, 25, 0.115, 40],
                       ["belt", 2, 5, 0.120, 12],
                       ["socks", 1, 3, 0.422, 8],
                       ["scarf", 10, 12, 0.630, 6],
                       ["skirt", 4, 6, 0.9, 5],
                       ["bag", 9, 13, 1.131, 4],
                       ["watch", 1, 4, 1.8, 5],
                       ["sweater", 4, 5, 5.5, 14],
                       ["jeans", 1, 6, 5.6, 14]],
                    columns=['item','low','high','time', 'price'])

步骤1：划分时间候选组 #

按照规则，连续行时间差小于1秒归为同一候选组：

# 相邻行时间差≥1秒时开启新的候选组
df1['time_group'] = (df1['time'].diff() >= 1).cumsum()

步骤2：候选组内合并重叠区间 #

对每个时间候选组内的[low, high]区间做重叠合并：

def merge_overlap_interval(group):
    # 按区间左端点low排序，方便合并判断
    group = group.sort_values('low', ignore_index=True)
    group['merge_id'] = 0
    current_max_high = group.loc[0, 'high']
    current_merge_id = 0
    for idx in range(1, len(group)):
        if group.loc[idx, 'low'] <= current_max_high:
            # 区间重叠，归入当前合并组
            group.loc[idx, 'merge_id'] = current_merge_id
            # 更新合并组的最大右端点
            current_max_high = max(current_max_high, group.loc[idx, 'high'])
        else:
            # 区间不重叠，开启新合并组
            current_merge_id += 1
            group.loc[idx, 'merge_id'] = current_merge_id
            current_max_high = group.loc[idx, 'high']
    return group

# 按时间候选组分组应用区间合并逻辑
df1 = df1.groupby('time_group', group_keys=False).apply(merge_overlap_interval)
# 生成全局唯一合并组标识
df1['final_group'] = df1['time_group'].astype(str) + '_' + df1['merge_id'].astype(str)

步骤3：按规则聚合合并组 #

def group_agg_rule(group):
    # 取组内price最高、price相同时time最小的行
    priority_row = group.sort_values(['price', 'time'], ascending=[False, True]).iloc[0]
    return pd.Series({
        'item': priority_row['item'],
        'low': group['low'].min(),
        'high': group['high'].max(),
        'time': priority_row['time'],
        'price': priority_row['price'],
        'time_min': group['time'].min(),
        'time_max': group['time'].max()
    })

df2 = df1.groupby('final_group', group_keys=False).apply(group_agg_rule).reset_index(drop=True)

注：原问题给出的预期输出中bracelet的price写为10属于笔误，实际按规则应取该行price=40，代码运行结果会修正该错误。

内容的提问来源于stack exchange，提问作者scientist