根据时间/位置特征快速分组DataFrame的行

Question

我有一个pandas DataFrame，其中的行对应于事件，列对应于这些事件的时间、纬度和经度。它看起来有点像：

time                      latitude   longitude
0    1994-03-01 03:49:00.830    49.096     32.617 . . .
1    1994-10-04 11:41:28.080    10.964    133.891 . . .
2    1995-06-02 03:38:03.890    19.803    -52.799 . . .
3    1995-08-21 19:17:15.300   -19.851   -175.043 . . .
.
.
.

我想做的是将该数据集中的事件分组，以便将某个事件与特定时间和特定距离内的每个事件(timedif和spacedif)分组。

例如，假设timedif是1年(忽略其他变量)，那么我想要上面的事件0的一个组，它包含事件1但不包含事件2，并且事件1不应该接收组，因为它在组0中。然后是事件2的第二组，包含3等

我目前正在尝试的是非常低效的：

dfbuild = dfbuild.append({'head index': 0, 'sub index': [] },ignore_index = True)
for i in dfog.index:
for j in dfbuild.index:
if(timecomp(dfog.loc[dfbuild.loc[j]['head index']]['time'],dfog.loc[i]['time']) < timedif ):
if(geopy.distance.distance( (dfog.loc[i]['latitude'],dfog.loc[i]['longitude']),(dfog.loc[dfbuild.loc[j]['head index']]['latitude'],dfog.loc[dfbuild.loc[j]['head index']]['longitude']) ).km < spacedif ):
head = j
break
if(head == -1):
dfbuild = dfbuild.append({'head index': i, 'sub index': [] },ignore_index = True)
else:
dfbuild.loc[head]['sub index'].append(i)
head = -1

(timecomp只是使用datetime将字符串转换为datetime，然后减去它们；我使用geopy.dance.dancee()函数来获取纬度和经度之间的距离)

我知道这很难看，我认为我用错了.loc，但它有效；我最终得到了一个DataFrame，它有两列，一列包含head index值，另一列包含所有相应的sub index值。然而，它的速度非常慢，而且随着数据集变得越来越大，速度呈指数级下降。

我能做些什么来加快速度？我也不喜欢这样做，所以如果我应该完全放弃它，以不同的方式去做，那是一种选择。

请注意，数据集中的行是按时间顺序排列的。

Answer 1

尝试使用geopandashttp://geopandas.org用于时间分组，例如：

times = pd.to_datetime(dfbuild.time)
dfbuild.groupby([times.hour, times.minute]).count()