如何用Pandas按时间相对差小于20分组计算Value列的求和？

没问题，这个需求核心是先确定分组的边界，咱们一步步来实现：

首先，先把你给的数据集构造成Pandas的DataFrame：

import pandas as pd

data = {
    'time': [1, 2, 20, 50, 55, 74, 100, 105, 120],
    'value': [4, 5, 7, 8, 10, 12, 1, 21, 0]
}
df = pd.DataFrame(data)

接下来是关键步骤：生成分组标签。我们需要判断相邻行的time差值是否≥20，如果是，就开启一个新组：

1. 用diff()计算相邻time的差值，第一行因为没有上一行，结果是NaN
2. 把差值≥20的标记为1，其他情况标记为0，第一行填充0（属于第一个组）
3. 对这些标记做累加（cumsum()），就能得到每个行对应的分组ID

代码如下：

# 计算相邻时间差
time_diff = df['time'].diff()
# 生成分组标记：差值≥20时为1，否则为0，第一行填充0
group_flag = (time_diff >= 20).astype(int).fillna(0)
# 累加得到分组ID
df['group_id'] = group_flag.cumsum()

此时你的DataFrame会多一列group_id，对应每个元素的分组：

最后一步，按group_id分组对value列求和：

result = df.groupby('group_id')['value'].sum().reset_index()

最终结果如下，完全符合你的分组求和需求：

内容的提问来源于stack exchange，提问作者mkmostafa