Pandas时间窗口内事件检测：按团队分组查找特定事件

import pandas as pd

# 示例数据
data = {
    'event': [1, 1, 3, 2, 3, 1, 2, 3, 4, 5],
    'team': ['A', 'A', 'B', 'A', 'B', 'C', 'C', 'C', 'D', 'D'],
    'timeStamp': ['2023-07-23 14:57:13.357', '2023-07-23 14:57:14.357',
                  '2023-07-23 14:57:15.357', '2023-07-23 14:57:16.357',
                  '2023-07-23 14:57:20.357', '2023-07-23 14:57:13.357',
                  '2023-07-23 14:57:18.357', '2023-07-23 14:57:23.357',
                  '2023-07-23 14:57:23.357', '2023-07-23 14:57:25.357']
}
df = pd.DataFrame(data)

# 将 'timeStamp' 列转换为 datetime 类型
df['timeStamp'] = pd.to_datetime(df['timeStamp'])

print("原始DataFrame:")
print(df)

# 步骤1: 创建布尔列
df_temp = df.assign(is_2_in_7_sec_raw=df['event'].eq(2))

# 步骤2 & 3: 反转DataFrame，按团队分组，并应用rolling窗口
# 注意：这里对 df_temp 进行 df['team'] 的 groupby 是为了在原始索引上进行分组，
# 但 rolling 操作是在 df_temp 的时间戳上进行的。
# 更直接的方式是先进行 assign 和反转，再 groupby
rolled_results = (df_temp[::-1] # 反转DataFrame以实现“向前看”
                  .groupby('team')
                  .rolling('7s', on='timeStamp')
                  ['is_2_in_7_sec_raw']
                  .apply(lambda x: x.shift(1).max()) # shift(1) 排除当前行，max() 检查是否有 True
                  .eq(1) # 转换为布尔值
                  .reset_index())

# 步骤4: 合并结果
# 需要将原始DataFrame的索引重置，以便与 rolled_results 的 level_1 索引（原索引）进行合并
df_output_exclude_self = (df.reset_index()
                          .merge(rolled_results, how='left', left_on=['team', 'index'], right_on=['team', 'level_1'])
                          .set_index('index')
                          .reindex(df.index) # 确保原始顺序
                         )

# 清理合并后的多余列并重命名
df_output_exclude_self = df_output_exclude_self[['event', 'team', 'timeStamp', 'is_2_in_7_sec_raw']]
df_output_exclude_self = df_output_exclude_self.rename(columns={'is_2_in_7_sec_raw': 'is_2_in_7_sec'})

print("\n场景一：排除当前行，检测未来7秒内是否存在事件'2':")
print(df_output_exclude_self)

# 步骤1: 创建布尔列
df_temp_include_self = df.assign(is_2_in_7_sec_raw=df['event'].eq(2))

# 步骤2 & 3: 反转DataFrame，按团队分组，并应用rolling窗口
rolled_results_include_self = (df_temp_include_self[::-1] # 反转DataFrame
                               .groupby('team')
                               .rolling('7s', on='timeStamp')
                               ['is_2_in_7_sec_raw']
                               .max() # 直接取max()，包含当前行
                               .astype(bool) # 确保为布尔类型
                               .reset_index())

# 步骤4: 合并结果
df_output_include_self = (df.reset_index()
                          .merge(rolled_results_include_self, how='left', left_on=['team', 'index'], right_on=['team', 'level_1'])
                          .set_index('index')
                          .reindex(df.index)
                         )

# 清理合并后的多余列并重命名
df_output_include_self = df_output_include_self[['event', 'team', 'timeStamp', 'is_2_in_7_sec_raw']]
df_output_include_self = df_output_include_self.rename(columns={'is_2_in_7_sec_raw': 'is_2_in_7_sec'})

print("\n场景二：包含当前行，检测未来7秒内是否存在事件'2':")
print(df_output_include_self)