如何按delta_t条件拆分Pandas DataFrame中的行程数据

这问题我之前处理过类似的，核心是通过标记拆分点再生成新的行程ID，一步步来很清晰：

步骤1：构造示例数据（方便验证） #

先把你提供的示例数据转换成可运行的DataFrame：

import pandas as pd
import numpy as np

data = {
    'TripID': [1,1,1,1,1,1,2,2,2],
    'Lat': [53.55,53.58,53.60,53.60,53.58,53.59,52.01,52.34,52.33],
    'Lon': [9.99,9.99,9.98,9.98,9.99,9.97,10.04,10.05,10.07],
    'time': [74,75,76,81,82,83,64,65,66],
    'delta_t': [1,1,5,1,1,np.nan,1,1,np.nan]
}
df = pd.DataFrame(data)

步骤2：标记拆分起始点 #

我们需要找到每个原行程中，delta_t > 1的记录——它的下一条记录就是新行程的起点。通过groupby和shift来标记这些起点：

# 标记delta_t>1的位置，然后向下移位，得到新行程的起始行
df['split_start'] = df.groupby('TripID')['delta_t'].apply(lambda x: x > 1).shift(1).fillna(False)

# 在每个原TripID组内，累计拆分标记，得到子行程的编号
df['sub_trip'] = df.groupby('TripID')['split_start'].cumsum()

步骤3：生成新的TripID #

把原TripID和子行程编号组合，生成唯一的新行程ID。你可以选择字符串格式（可读性强）或者连续整数格式（方便后续操作）：

# 方案1：字符串格式（如"1_0"、"1_1"）
df['new_TripID'] = df['TripID'].astype(str) + '_' + df['sub_trip'].astype(str)

# 方案2：连续整数格式（从1开始递增）
# df['new_TripID'] = df.groupby(['TripID', 'sub_trip']).ngroup() + 1

步骤4：处理delta_t的NaN值 #

用你提供的代码逻辑，给每个新行程的最后一条记录设置delta_t为NaN：

# 若用方案2的整数ID，直接用你提供的代码即可；若用字符串ID，调整判断逻辑如下
df.loc[df['new_TripID'].diff().shift(-1) != 0, 'delta_t'] = np.nan

步骤5：清理中间列（可选） #

删除不需要的中间辅助列，并重命名新ID列为原TripID：

df = df.drop(['split_start', 'sub_trip', 'TripID'], axis=1).rename(columns={'new_TripID': 'TripID'})

最终结果 #

运行后你会得到拆分后的DataFrame：

Lat    Lon  time  delta_t TripID
0  53.55   9.99    74      1.0    1_0
1  53.58   9.99    75      1.0    1_0
2  53.60   9.98    76      NaN    1_0
3  53.60   9.98    81      1.0    1_1
4  53.58   9.99    82      1.0    1_1
5  53.59   9.97    83      NaN    1_1
6  52.01  10.04    64      1.0    2_0
7  52.34  10.05    65      NaN    2_0
8  52.33  10.07    66      NaN    2_0

关键逻辑说明 #

• 我们通过groupby保证只在同一个原行程内判断拆分条件，不会跨行程误判；
• cumsum累计拆分标记，让每个拆分后的子行程获得唯一的组内编号；
• 最后处理NaN时，通过判断new_TripID的变化，精准定位每个新行程的最后一条记录。

内容的提问来源于stack exchange，提问作者Jan Kaiser