如果值在相同的x秒内，我想对它们进行分组。 例如我是这样做的：
m_failed = df[(df["Signal"] == "Alarm") & (df["State"] == "Active")]
dd_failed = m_failed.groupby(['Country', 'Lane', 'Unit', 'Datetime']).size().to_frame('count').reset_index()
更新： 抱歉，但是我的问题很模糊，我什至忘了包括重要数据，所以我更新了问题并添加了日志的一部分。 我将城市更改为车道，因为它更符合真实数据。 （很抱歉）
Sign Descr State Country Lane Unit Datetime
Alarm Active USA Lane1 00003 2019-08-03 13:32:43
Alarm Active USA Lane1 00005 2019-08-03 13:32:43
Alarm Active USA Lane1 00006 2019-08-03 13:32:43
Alarm Active USA Lane1 00004 2019-08-03 13:32:43
Alarm Active USA Lane1 00002 2019-08-03 13:32:43
Alarm Active USA Lane1 00007 2019-08-03 13:32:43
Alarm Active Spain Lane1 00003 2019-08-03 07:47:54
Alarm Active Spain Lane1 00002 2019-08-03 07:47:54
Alarm Active Spain Lane1 00005 2019-08-03 07:47:54
Alarm Active Spain Lane1 00007 2019-08-03 07:47:54
Alarm Active Spain Lane1 00004 2019-08-03 07:47:53
Alarm Active Spain Lane1 00006 2019-08-03 07:47:53
Alarm Active Spain Lane1 00004 2019-08-03 07:26:16
Alarm Active Spain Lane1 00003 2019-08-03 07:26:16
Alarm Active Italy Lane2 00002 2019-08-03 12:09:34
Alarm Active Italy Lane2 00004 2019-08-03 09:50:32
Alarm Active Italy Lane2 00006 2019-08-03 09:50:32
Alarm Active Italy Lane2 00002 2019-08-03 09:50:32
Alarm Active Italy Lane1 00007 2019-08-03 07:58:43
Alarm Active Italy Lane2 00002 2019-08-03 07:58:01
Alarm Active Germany Lane1 00007 2019-08-03 12:36:48
Alarm Active Germany Lane1 00007 2019-08-03 12:31:19
Alarm Active Sweden Lane1 00007 2019-08-03 12:27:33
Alarm Active Norway Lane1 00007 2019-08-03 12:35:21
Alarm Active Norway Lane1 00005 2019-08-03 12:35:21
Alarm Active Norway Lane1 00002 2019-08-03 12:35:21
Alarm Active Norway Lane1 00007 2019-08-03 12:28:50
Alarm Active Norway Lane2 00007 2019-08-03 12:27:31
Alarm Active Norway Lane2 00003 2019-08-03 12:27:31
Alarm Active Norway Lane2 00006 2019-08-03 12:27:31
Alarm Active Norway Lane2 00005 2019-08-03 09:24:53
Alarm Active Denmark Lane2 00003 2019-08-03 09:46:23
Alarm Active UK Lane2 00003 2019-08-03 09:56:08
Alarm Active UK Lane2 00004 2019-08-03 09:56:08
Alarm Active Brazil Lane2 00002 2019-08-03 09:47:19
Alarm Active Brazil Lane2 00003 2019-08-03 09:47:19
我希望结果是这样的：
Sign Descr State Country Lane Unit Datetime Count
Alarm Active USA Lane1 2019-08-03 13:32:43 1
Alarm Active Spain Lane1 2019-08-03 07:47:54 1
Alarm Active Spain Lane1 00004 2019-08-03 07:26:16 1
Alarm Active Spain Lane1 00003 2019-08-03 07:26:16 1
Alarm Active Italy Lane2 00002 2019-08-03 12:09:34 3
Alarm Active Italy Lane2 00004 2019-08-03 09:50:32 1
Alarm Active Italy Lane2 00006 2019-08-03 09:50:32 1
Alarm Active Italy Lane1 00007 2019-08-03 07:58:43 1
Alarm Active Germany Lane1 00007 2019-08-03 12:36:48 2
Alarm Active Sweden Lane1 00007 2019-08-03 12:27:33 1
Alarm Active Norway Lane1 00007 2019-08-03 12:35:21 1
Alarm Active Norway Lane1 00005 2019-08-03 12:35:21 1
Alarm Active Norway Lane1 00002 2019-08-03 12:35:21 1
Alarm Active Norway Lane2 00007 2019-08-03 12:27:31 2
Alarm Active Norway Lane2 00003 2019-08-03 12:27:31 1
Alarm Active Norway Lane2 00006 2019-08-03 12:27:31 1
Alarm Active Norway Lane2 00005 2019-08-03 09:24:53 1
Alarm Active Denmark Lane2 00003 2019-08-03 09:46:23 1
Alarm Active UK Lane2 00003 2019-08-03 09:56:08 1
Alarm Active UK Lane2 00004 2019-08-03 09:56:08 1
Alarm Active Brazil Lane2 00002 2019-08-03 09:47:19 1
Alarm Active Brazil Lane2 00003 2019-08-03 09:47:19 1
单位可以是00002到00007 车道可以是1车道或2车道，而“国家/地区”可以是-anything- 创建的日志从00:00-> 23:59
如果国家和通道相同，并且如果所有单元在相同的1-2分钟内出现故障，则将它们分组并计数为1，因为这是失败的通道。 如果同一条通道在一天中多次失败，则计算整个通道的失败次数。
如果不是所有单位都失败了，则显示该单位并计算该单位在一天中失败的次数。
答案 0 :(得分：2)
使用required = false和.orElseGet(...new)和pd.Grouper作为Country键。我选择City作为频率，但是根据需要更改它。
groupby
60S答案 1 :(得分：0)
user3483203's answer有效，即9:00:01和9:00:59处的故障属于同一组，但10:00:00不是同一组。
如果您的定义是“在上一个失败后60秒钟之内”，请使用其他方法：
def summarize(x):
s = (x['Datetime'].diff() / pd.Timedelta(seconds=1)).gt(60).cumsum()
result = x.groupby(s).agg({
'Unit': 'first',
'Datetime': ['first', 'count'],
})
result.columns = ['Unit', 'Datetime', 'count']
return result
df = df.sort_values(['Country', 'City', 'Datetime'])
df.groupby(['Country', 'City']).apply(summarize).droplevel(-1)
summarize的作用：
Country - City元组），计算上一次失败的时间差（以秒为单位）