为按时间排序的DataFrame添加同日内5分钟聚类的TimeRank列

嘿，这个分组需求很常见，咱们用Pandas几步就能搞定！先给你理清楚思路，再上代码和示例。

1. 确保时间列格式正确 #

首先得保证你的Time列是datetime类型，不然没法计算时间差。如果现在是字符串格式，先转一下：

import pandas as pd

# 转换Time列为datetime（根据你的实际格式调整format参数，比如'%H:%M:%S'是时分秒）
df['Time'] = pd.to_datetime(df['Time'], format='%H:%M:%S')
# 顺便把Date列转成日期对象，避免时间部分干扰分组
df['Date'] = pd.to_datetime(df['Date']).dt.date

2. 按日期分组生成TimeRank #

核心逻辑是：对每个日期内的时间序列，计算当前时间与前一个时间的差值，当差值超过5分钟时，就开启一个新的分组。用cumsum()来累计这些“分组切换点”，就能得到同一组的相同标识。

代码如下：

# 按Date分组，计算每组内的时间差，生成TimeRank
df['TimeRank'] = df.groupby('Date')['Time'].apply(
    lambda x: (x.diff() > pd.Timedelta(minutes=5)).cumsum()
)

代码解释 #

• x.diff()：计算当前行时间与上一行时间的差值，第一行因为没有前一行，结果是NaN
• x.diff() > pd.Timedelta(minutes=5)：判断时间差是否超过5分钟，返回布尔值（True表示需要切换分组）
• .cumsum()：对布尔值累加（True算1，False算0），这样每遇到一个True，分组号就加1，同一组的记录会得到相同的TimeRank值

示例效果 #

假设你的原始数据是这样的（已经按Time升序）：

运行代码后，生成的TimeRank列会是：

额外提醒 #

如果你的数据还没按Date和Time排序，记得先执行这一步，不然分组逻辑会出错：

df = df.sort_values(['Date', 'Time'])

内容的提问来源于stack exchange，提问作者Gerry