python - 找到相等的时间并逐渐添加一个常数

Question

我有一个包含一些时间戳的数据框df

df['Date'].values

Out[16]: 
array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:39.199994000',
       '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
       '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:10.040007000',
       '2015-04-19T16:36:10.040007000'], dtype='datetime64[ns]')

如您所见，第一个和第二个时间戳是相等的，但最后 3 个也是。

我想扫描数据帧，如果有相等的时间戳，则保留第一个并向其他相等的时间递增 5 秒。

新的数据框应该是这样的

df['Date'].values

Out[16]: 
array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:44.199994000',
       '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
       '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:15.040007000',
       '2015-04-19T16:36:20.040007000'], dtype='datetime64[ns]')

是否有一种 pythonic 方法可以在不循环的情况下这样做。我想根据时间戳分组，但我不知道如何进行......

Answer 1

使用 groupby cumcount 乘以 timedelta 即

df = pd.DataFrame({'Date':np.array(['2015-03-25T14:36:39.199994000', '2015-03-25T14:36:39.199994000',
   '2015-03-26T10:05:03.699999000', '2015-04-19T16:01:49.680009000',
   '2015-04-19T16:36:10.040007000', '2015-04-19T16:36:10.040007000',
   '2015-04-19T16:36:10.040007000'], dtype='datetime64[ns]')})

df['Date'] + df.groupby(df['Date']).cumcount()*pd.Timedelta('5 seconds')

输出:

0   2015-03-25 14:36:39.199994
1   2015-03-25 14:36:44.199994
2   2015-03-26 10:05:03.699999
3   2015-04-19 16:01:49.680009
4   2015-04-19 16:36:10.040007
5   2015-04-19 16:36:15.040007
6   2015-04-19 16:36:20.040007
dtype: datetime64[ns]