按id_easy与时间窗将Longitude和Latitude聚合至单个单元格

我帮你写了一段可直接运行的Pandas代码，完美匹配你的需求，步骤清晰易懂：

步骤1：准备数据与导入依赖 #

首先确保你已经安装了Pandas，然后加载并预处理你的数据：

import pandas as pd

# 原始数据
data = {
    'Ordinal': [1, 2, 3, 1],
    'Timestamp': ['2016-06-01T08:18:46.000Z', '2016-06-01T08:28:05.000Z', 
                  '2016-06-01T08:28:09.000Z', '2016-06-01T06:31:05.000Z'],
    'Latitude': [44.9484, 44.9503, 44.9503, 45.0314],
    'Longitude': [7.7728, 7.7748, 7.7748, 7.6181],
    'id_easy': [22, 22, 22, 16]
}

df = pd.DataFrame(data)

步骤2：处理时间并筛选目标时间窗 #

将Timestamp转换为datetime类型，然后筛选出08:00-09:00范围内的数据：

# 转换时间格式为可操作的datetime类型
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

# 定义时间窗掩码（筛选08:00到09:00之间的数据）
time_window_mask = (df['Timestamp'].dt.hour == 8)
filtered_df = df[time_window_mask]

步骤3：分组聚合生成目标格式 #

按id_easy分组，将对应的经纬度合并成[[经度,纬度],[经度,纬度],...]的格式，同时设置Timestamp列为指定的时间窗文本：

# 执行聚合操作
result_df = filtered_df.groupby('id_easy').agg(
    location=pd.NamedAgg(
        column=['Longitude', 'Latitude'],
        func=lambda x: [[lon, lat] for lon, lat in zip(x['Longitude'], x['Latitude'])]
    ),
    Timestamp=pd.NamedAgg(
        column='Timestamp',
        func=lambda x: '08:00-09:00'
    )
).reset_index()

# 查看最终结果
print(result_df)

最终输出结果 #

运行上述代码后，你会得到完全符合要求的DataFrame：

额外说明 #

• 如果需要调整时间窗，只需要修改time_window_mask的条件即可（比如要筛选17:00-18:00，就把dt.hour == 8改成dt.hour ==17）
• 聚合函数里的zip(x['Longitude'], x['Latitude'])保证了经度和纬度的对应关系不会出错

内容的提问来源于stack exchange，提问作者Mamed