如何在Python DataFrame中按时间秒数（ss）分组行？

没问题，我来帮你搞定这个需求！要把带有hh:mm:ss.zzz格式时间列的DataFrame按秒数（ss）分组，其实分几步就能实现，下面是具体的操作方案：

步骤1：确保时间列是datetime类型 #

首先得把字符串格式的时间转换成Python能识别的datetime类型，这样才能方便提取秒数。假设你的DataFrame叫df，时间列名为time_col，代码如下：

import pandas as pd

# 转换时间列为datetime类型，指定格式匹配hh:mm:ss.zzz
df['time_col'] = pd.to_datetime(df['time_col'], format='%H:%M:%S.%f')

# 如果担心有无效的时间格式，可以加上errors='coerce'把无效值转为NaT
# df['time_col'] = pd.to_datetime(df['time_col'], format='%H:%M:%S.%f', errors='coerce')

步骤2：提取整数秒数作为分组键 #

datetime类型的列有个dt.second属性，可以直接提取时间中的整数秒部分（也就是你要的ss部分，不管毫秒是多少，只要秒数相同就归为一组）。你可以选择新增一列存储秒数，或者直接用它来分组：

方式A：新增秒数列后分组 #

# 添加一个新列存储整数秒数
df['second'] = df['time_col'].dt.second

# 按秒数列分组
grouped = df.groupby('second')

方式B：直接在groupby中提取秒数（无需新增列） #

# 直接用dt.second作为分组依据
grouped = df.groupby(df['time_col'].dt.second)

步骤3：使用分组结果 #

分组完成后，你可以遍历每个组查看数据，或者做聚合统计：

遍历所有分组 #

for second_value, group_data in grouped:
    print(f"=== 秒数为{second_value}的分组 ===")
    print(group_data)
    print("\n")

聚合统计示例（比如计算每个组的记录数） #

# 统计每个秒数分组的记录数量
group_counts = grouped.size().reset_index(name='record_count')
print(group_counts)

这样就能轻松把所有秒数相同的元素分到一组啦，要是你还有其他扩展需求（比如按分+秒分组、处理毫秒精度的分组等），随时调整逻辑就好～

内容的提问来源于stack exchange，提问作者Snowfire777