如何将组标签分配给具有特定时间间隔内的日期时间的 pandas df 行？

Question

我正在尝试根据创建时间对 .txt 文件进行排序。每天在几分钟内多次创建一组 6-8 个 .txt 文件。我不知道确切的时间间隔，我必须找到一种方法来自动找到最接近的匹配日期时间（例如，所有时间间隔小于 15 分钟）。我已经能够为每个文件提取 DateTime。现在，我想分配一个组标签，指示已在一组中创建了哪些 .txt 文件（即彼此相隔几分钟内）。

我当前的 df 如下所示：

index                         values
2020-09-06 17:25:14           97
2020-09-06 17:25:33            0
2020-09-06 17:27:00            3
2020-09-06 17:28:13            7
2020-09-06 17:29:28           10
2020-09-06 17:30:07           26
2020-09-06 17:30:40           34
2020-09-06 17:31:13           34
2020-09-06 18:07:34           99
2020-09-06 18:08:07            0
2020-09-06 18:08:35            3
2020-09-06 18:09:00            8
2020-09-06 18:09:24           11
2020-09-06 18:09:57           32
2020-09-06 18:10:24           43
2020-09-06 19:03:45           99
2020-09-06 19:04:31            0

我想自动为 17:25 到 17:31 之间的所有行分配标签“a”，然后为 18:07 到 18:10 之间的所有行分配标签“b”，然后为所有行分配标签“c” 19:03 到 19:04 之间。

我发现的大多数解决方案，只有聚合（pd.groupby()、pd.resample()、pd.grouper()）。我可以使用其中一种方法来创建我的标签吗？

我认为this 可能是一个有用的开始，但据我了解解决方案，它只为我创建指定索引的某个索引。

谢谢（如果可以的话，我很乐意在这里分享一个示例 .txt 文件和我的代码？）

Answer 1

创建您的条件和选择，然后使用df.between_time 和np.select。

cond = [df.index.isin(df.between_time('17:25', '17:31').index), 
        df.index.isin(df.between_time('18:07', '18:10').index),
        df.index.isin(df.between_time('19:03', '19:04').index)]

choices = ['a', 'b', 'c']

df['new_col'] = np.select(cond, choices, np.nan)

                     values new_col
index                              
2020-09-06 17:25:14      97       a
2020-09-06 17:25:33       0       a
2020-09-06 17:27:00       3       a
2020-09-06 17:28:13       7       a
2020-09-06 17:29:28      10       a
2020-09-06 17:30:07      26       a
2020-09-06 17:30:40      34       a
2020-09-06 17:31:13      34     nan
2020-09-06 18:07:34      99       b
2020-09-06 18:08:07       0       b
2020-09-06 18:08:35       3       b
2020-09-06 18:09:00       8       b
2020-09-06 18:09:24      11       b
2020-09-06 18:09:57      32       b
2020-09-06 18:10:24      43     nan
2020-09-06 19:03:45      99       c
2020-09-06 19:04:31       0     nan