基于分组比较DataFrame创建列：判断最值时间差是否在±2秒内

看起来你已经完成了最关键的一步——拿到每组A、B最大值对应的行，接下来咱们就可以轻松完成时间差的判断啦，步骤如下：

• 第一步：合并两个结果DataFrame
  因为idxmaxA和idxmaxB都是按SeqNum分组后的结果，咱们用SeqNum作为关联键，把它们合并到同一个DataFrame里，这样方便后续对比时间。为了避免列名重复，这里有两种实用方式：

# 方式一：合并时给重复列加后缀
merged = pd.merge(idxmaxA, idxmaxB, on='SeqNum', suffixes=('_A', '_B'))

# 方式二：先重命名关键列再合并，可读性更强
idxmaxA = idxmaxA.rename(columns={'TimeHrs': 'TimeA', 'A': 'MaxA'})
idxmaxB = idxmaxB.rename(columns={'TimeHrs': 'TimeB', 'B': 'MaxB'})
merged = pd.merge(idxmaxA, idxmaxB, on='SeqNum')

合并后，每一行就对应一个SeqNum组，同时包含A最大值的时间、A的峰值，以及B最大值的时间、B的峰值。

• 第二步：确保时间列是可计算的datetime类型
  如果你的TimeHrs列还不是datetime格式，得先转换成时间类型，不然没法计算时间差：

merged['TimeA'] = pd.to_datetime(merged['TimeA'])
merged['TimeB'] = pd.to_datetime(merged['TimeB'])

• 第三步：计算时间差并判断是否在±2秒范围内
  用dt.total_seconds()把时间差转换成秒数，取绝对值后和2比较，直接生成一个布尔结果列：

merged['Within2Sec'] = abs((merged['TimeA'] - merged['TimeB']).dt.total_seconds()) <= 2

这个Within2Sec列里，True就表示该组A、B最大值的时间差在±2秒内，False则超出了范围。

• 可选：查看或筛选结果
  你可以直接查看所有组的判断结果，或者针对性筛选：

# 查看核心判断结果
print(merged[['SeqNum', 'TimeA', 'TimeB', 'Within2Sec']])

# 筛选出时间差超出2秒的组
out_of_range_groups = merged[merged['Within2Sec'] == False]
print(out_of_range_groups)

内容的提问来源于stack exchange，提问作者John