大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群【哎呦喂  是豆子～】问了一个工作中Python自动化处理实战问题，一起来看看吧。问题描述：

数据在提供的数据表中，在表有编号、环节、审核人、金额、结束时间5列，对【编号、环节、审核人、金额】四条件进行分组，分组内结束时间升序排列，分组内结束时间相差20秒以内的，只保留第一条记录。

大佬再请问下   分组内结束时间相差20秒以内的，只保留第一条记录   这个怎么实现？ 这个做出来的老是有问题  有个窗口函数  用了数据又对不太上。

【隔壁😼山楂】在这有个疑问，同一个分组内有三个时间，2023-11-27 15:50:00，2023-11-27 15:50:05，2023-11-27 15:50:25，按你这个下来应该剩几个时间？粉丝回答是第1个和第3个。最终效果是：实现分组内任意2个时间点时间差都是大于20s。

二、实现过程

这里【郑煜哲·Xiaopang】给出了自己的思路，如上图所示。后来【巭孬🕷】说到：先排序，再求上下行的时间差，命令好像是diff?，然后再取时间差在20秒内的，再提取出第一条。

后来【瑜亮老师】给了一份代码，如下所示：

import pandas as pd
# 读取Excel文件
df = pd.read_excel('工作量计算.xlsx', index_col=None)
# print(df)

# 按照"编号"、"环节"、"审核人"、"金额"分组，并对"结束时间"列做升序排列
df = df.groupby(['编号', '环节', '审核人', '金额']).apply(lambda x: x.sort_values('结束时间', ascending=True))
df.reset_index(drop=True, inplace=True)
df['结束时间'] = pd.to_datetime(df['结束时间'])  # 转换为日期时间格式


def filter_rows(group):
    # 计算时间差，删除时间差小于20秒的记录，只保留第一条记录
    diff = group.groupby('编号')['结束时间'].diff()
    mask = (diff.dt.total_seconds() < 20)
    group = group[~mask].drop_duplicates(keep='first')
    return group


# 对每个分组中的'结束时间'列进行去重操作
result = df.groupby(['编号', '环节', '审核人', '金额']).apply(filter_rows)
# 重新设置索引
result.reset_index(drop=True, inplace=True)
# 输出结果
print(result)

代码运行后，结果还剩余3394行：

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个工作中Python自动化处理实战问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【哎呦喂  是豆子～】提出的问题，感谢【瑜亮老师】、【隔壁😼山楂】、【郑煜哲·Xiaopang】、【巭孬🕷】给出的思路，感谢【莫生气】等人参与学习交流。

【提问补充】温馨提示，大家在群里提问的时候。可以注意下面几点：如果涉及到大文件数据，可以数据脱敏后，发点demo数据来（小文件的意思），然后贴点代码（可以复制的那种），记得发报错截图（截全）。代码不多的话，直接发代码文字即可，代码超过50行这样的话，发个.py文件就行。

大家在学习过程中如果有遇到问题，欢迎随时联系我解决（我的微信：pdcfighting1），应粉丝要求，我创建了一些ChatGPT机器人交流群和高质量的Python付费学习交流群和付费接单群，欢迎大家加入我的Python学习交流群和接单群！