python - 当达到某些值时，Dataframe 删除重复项

Question

我有一个包含重复项的数据框。我想删除这些重复项。我也从 Pandas df.drop_duplicates(subset=['Action', 'Name']) 中找到了这个功能.
可惜这个功能去掉太多了，因为只有时间小于等于5分钟才应该去掉。
我怎样才能做到这一点以及如何打印被丢弃的行数？我会很高兴得到帮助。

你怎么能识别重复项？如果列(操作、名称)相同且时间差小于或等于 5 分钟。

! 时间格式为 01.10.2019, 9:56:52日期和时间用逗号分隔

import pandas as pd
d = {'Time': ['01.10.2019, 9:56:52', '01.10.2019, 9:57:15', '02.10.2019 12:56:12', '02.10.2019 13:02:58', '02.10.2019 13:11:58']
     ,'Action': ['Opened', 'Opened', 'Closed', 'Opened', 'Opened']
     ,'Name': ['Max', 'Max', 'Susan', 'Michael', 'Michael']}
df = pd.DataFrame(data=d)
display(df.head())

输出

期望输出

细节

Answer 1

您可以使用 cumsum()关于识别 group 和 groupby 的阈值差异:

groups = (df.groupby(['Action', 'Name'])['Time']
                 .transform(lambda x: x.diff().gt('5min').cumsum())
              )
df.groupby([groups,'Action','Name'], as_index=False).head(1)

输出:

                 Time  Action     Name
0 2019-01-10 09:56:52  Opened      Max
2 2019-02-10 12:56:12  Closed    Susan
3 2019-02-10 13:02:58  Opened  Michael