如何按最小间隔对未排序时间序列数据分箱？附Pandas实例

我来帮你搞定这个需求！你要的是从未排序的数值序列里挑选出满足「选中元素间最小差值至少为0.0005」的项，并用1标记选中项、0标记未选中项。下面是具体的实现思路和代码：

核心思路 #

咱们用贪心算法来处理这个问题，配合Pandas的索引操作保证结果和原数据顺序一致：

1. 先对数据排序，但保留每个元素的原始索引——这样后续能把选中标记映射回原DataFrame的位置。
2. 从排序后的第一个元素开始标记为选中（1），然后跳过所有小于等于「当前选中元素+0.0005」的元素，直到找到下一个符合间隔要求的元素，重复这个过程。
3. 最后把标记结果按原始索引还原，得到目标的output列。

完整代码 #

import pandas as pd

# 你的原始DataFrame
x = pd.DataFrame({'a':[1.1341, 1.13421, 1.13433, 1.13412, 1.13435, 1.13447, 1.13459, 1.13452, 1.13471, 1.1348, 1.13496,1.13474,1.13483,1.1349,1.13502,1.13515,1.13526,1.13512]})

# 1. 排序并保留原始索引
sorted_df = x['a'].sort_values().reset_index()

# 2. 初始化标记数组，默认全为0
output_marks = [0] * len(sorted_df)
# 第一个元素直接选中
output_marks[0] = 1
last_selected_val = sorted_df['a'].iloc[0]
min_interval = 0.0005

# 遍历排序后的元素，贪心选择符合间隔要求的项
for idx in range(1, len(sorted_df)):
    current_val = sorted_df['a'].iloc[idx]
    # 检查当前元素和上一个选中元素的间隔是否达标
    if current_val > last_selected_val + min_interval:
        output_marks[idx] = 1
        last_selected_val = current_val

# 3. 将标记结果映射回原DataFrame的顺序
x['output'] = pd.Series(output_marks, index=sorted_df['index']).sort_index().values

# 查看结果
print(x)

代码解释 #

• 第一步的sorted_df不仅对a列做了排序，还通过reset_index()保留了每个元素在原DataFrame中的位置，这是保证结果顺序正确的关键。
• 贪心遍历的逻辑很直接：每次只选第一个满足间隔要求的元素，完全适配你的标记需求。
• 最后一步通过pd.Series把标记结果按原始索引对齐，再排序后赋值给x['output']，就能得到你想要的[1,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,1,0]这个结果。

内容的提问来源于stack exchange，提问作者Vinay