Pandas DataFrame 在满足条件的前几行中查找最接近的索引

Question

我有以下数据帧：df1

    t       A

0   23:00   2

1   23:01   1

2   23:02   2

3   23:03   2

4   23:04   6

5   23:05   5

6   23:06   4

7   23:07   9

8   23:08   7

9   23:09   10

10  23:10   8

对于每个（此处简化了增量，在现实生活中不均匀分布），我想找到（如果有的话）前5分钟内的最新时间。我想得到：ttrA(t)- A(tr) >= 4

    t       A    tr

0   23:00   2

1   23:01   1

2   23:02   2

3   23:03   2

4   23:04   6    23:03

5   23:05   5    23:01

6   23:06   4

7   23:07   9    23:06

8   23:08   7

9   23:09   10   23:06

10  23:10   8    23:06

目前，我可以使用将每行与上一行进行比较，例如.shift(-1)cond = df1['A'] >= df1['A'].shift(-1) + 4

我怎样才能及时看到更远的地方？

Answer 1

假设你的数据是连续的，那么你可以做通常的移位：df1['t'] = pd.to_timedelta(df1['t'].add(':00'))df = pd.DataFrame({i:df1.A - df1.A.shift(i) >= 4 for i in range(1,5)})df1['t'] - pd.to_timedelta('1min') * df.idxmax(axis=1).where(df.any(1))输出：0         NaT1         NaT2         NaT3         NaT4    23:03:005    23:01:006         NaT7    23:06:008         NaT9    23:06:0010   23:06:00dtype: timedelta64[ns]

Answer 2

我添加了一个索引并使用 ，它现在包括了简单索引窗口之外的时间窗口功能。datetimerolling()import pandas as pdimport numpy as npimport datetimedf1 = pd.DataFrame({'t' : [        datetime.datetime(2020, 5, 17, 23, 0, 0),        datetime.datetime(2020, 5, 17, 23, 0, 1),        datetime.datetime(2020, 5, 17, 23, 0, 2),        datetime.datetime(2020, 5, 17, 23, 0, 3),        datetime.datetime(2020, 5, 17, 23, 0, 4),        datetime.datetime(2020, 5, 17, 23, 0, 5),        datetime.datetime(2020, 5, 17, 23, 0, 6),        datetime.datetime(2020, 5, 17, 23, 0, 7),        datetime.datetime(2020, 5, 17, 23, 0, 8),        datetime.datetime(2020, 5, 17, 23, 0, 9),        datetime.datetime(2020, 5, 17, 23, 0, 10)        ], 'A' : [2,1,2,2,6,5,4,9,7,10,8]}, columns=['t', 'A'])df1.index = df1['t']df2 = df1cond = df1['A'] >= df1.rolling('5s')['A'].apply(lambda x: x[0] + 4)result = df1[cond]给t                         A2020-05-17 23:00:04       62020-05-17 23:00:05       52020-05-17 23:00:07       92020-05-17 23:00:09      102020-05-17 23:00:10       8