在熊猫中连续找到

Question

I am following this article - PANDAS输出日期，启动和结束时间和事件状态给定的DateTime连续性

连续测试小时的示例是在帖子中。我需要在连续几分钟内进行测试。我将代码线从3600修改为60（小时到几分钟），

#test consecutive minutes
df['g'] = df['Date'].diff().dt.total_seconds().div(60).ne(1)

最终结果在任何连续的时间内都返回全部正确。

Date                  meter    g
2009-02-13 13:23:00   53.49    True
2009-02-13 13:24:00   64.91    True
2009-02-13 13:25:00   32.04    True
2009-02-13 13:26:00   45.94    True
2009-02-13 15:45:00   45.94    True

结果应该

Date                  meter    g
2009-02-13 13:23:00   53.49    True
2009-02-13 13:24:00   64.91    False
2009-02-13 13:25:00   32.04    False
2009-02-13 13:26:00   45.94    False
2009-02-13 15:45:00   45.94    True

在哪里有什么问题？

Answer 1

您的代码问题可能是由于浮点近似而引起的？如果您围绕值来解决这将解决：

pd.to_datetime(df['Date']).diff().dt.total_seconds().div(60).round().ne(1)

但是，有一种更好的方法，请使用TimeDELTA比较属性：

df['g'] = pd.to_datetime(df['Date']).diff().ne('1min')

输出：

                  Date  meter      g
0  2009-02-13 13:23:00  53.49   True
1  2009-02-13 13:24:00  64.91  False
2  2009-02-13 13:25:00  32.04  False
3  2009-02-13 13:26:00  45.94  False
4  2009-02-13 15:45:00  45.94   True

对于您的初始问题（组的第一个和最后一个）：

forward = pd.to_datetime(df['Date']).diff().ne('1min')
reverse = (-pd.to_datetime(df['Date']).diff(-1)).ne('1min')
df['g'] = forward|reverse

输出：输出：

                  Date  meter      g
0  2009-02-13 13:23:00  53.49   True
1  2009-02-13 13:24:00  64.91  False
2  2009-02-13 13:25:00  32.04  False
3  2009-02-13 13:26:00  45.94   True