Jak znaleźć 5-minutowe odstępy w ramce danych Pandy?

Question

mam pandy dataframe, która wygląda podobnie do tego:

     TIMESTAMP EVENT_COUNT 
0   2014-07-23 04:28:23   1 
1   2014-07-23 04:28:24   1 
2 2014-07-23 04:28:25.999000   4 
3   2014-07-23 04:28:27   1 
4 2014-07-23 04:28:28.999000   2 
5   2014-07-23 04:28:30   1 
6   2014-07-23 04:29:31   7 
7   2014-07-23 04:29:33   1 
8   2014-07-23 04:29:34   1 
9   2014-07-23 04:29:36   1 
10   2014-07-23 04:40:37   2 
11   2014-07-23 04:40:39   1 
12   2014-07-23 04:40:40   1 
13   2014-07-23 04:40:42   1 
14   2014-07-23 04:40:43   1 
15 2014-07-23 04:40:44.999000   4 
16   2014-07-23 04:41:46   1 
17   2014-07-23 04:41:47   1 
18   2014-07-23 04:41:49   1 
19   2014-07-23 04:41:50   1 
20   2014-07-23 04:50:52   9 
21   2014-07-23 04:50:53   4 
22   2014-07-23 04:50:55   6 
23   2014-07-27 01:12:13   1 

mój koniec celem jest być w stanie znaleźć luki w to, że przekracza 5 minut. Tak więc, z góry, znajdę przerwę między:

2014-07-23 04:29:36 and 2014-07-23 04:40:37 
2014-07-23 04:41:50 and 2014-07-23 04:50:52 
2014-07-23 04:50:55 and 2014-07-27 01:12:13 

Luki krótsze niż 5 minut nie muszą być identyfikowane. Tak więc następujące nie będą uznane za "lukę".

2014-07-23 04:28:30 and 2014-07-23 04:29:31 (Only 61 seconds) 
2014-07-23 04:40:37 and 2014-07-23 04:40:39 (Only 2 seconds) 
2014-07-23 04:40:44.999000 and 2014-07-23 04:41:46 (Just over 61 seconds) 

Jak mogę znaleźć wymienione powyżej luki? Kiedy wypróbowałem rozwiązanie wspomniane w tym answer, nic się nie zmieniło. Użyłem następującego polecenia:

df.reindex(pd.date_range(min(df['TIMESTAMP']), max(df['TIMESTAMP']), freq='5min')).fillna(0) 

Po uruchomieniu tego polecenia ramka danych wygląda tak samo.

Answer 1

IIUC tak długo, jak długo są datetime64 dtype już wtedy można po prostu użyć diff który stworzy timedelta a następnie zadzwonić atrybut dt.seconds:

In [8]: 
df['OVER 5 MINS'] = (df['TIMESTAMP'].diff()).dt.seconds > 300 
df 

Out[8]: 
        TIMESTAMP EVENT_COUNT OVER 5 MINS 
INDEX             
0  2014-07-23 04:28:23.000   1  False 
1  2014-07-23 04:28:24.000   1  False 
2  2014-07-23 04:28:25.999   4  False 
3  2014-07-23 04:28:27.000   1  False 
4  2014-07-23 04:28:28.999   2  False 
5  2014-07-23 04:28:30.000   1  False 
6  2014-07-23 04:29:31.000   7  False 
7  2014-07-23 04:29:33.000   1  False 
8  2014-07-23 04:29:34.000   1  False 
9  2014-07-23 04:29:36.000   1  False 
10 2014-07-23 04:40:37.000   2  True 
11 2014-07-23 04:40:39.000   1  False 
12 2014-07-23 04:40:40.000   1  False 
13 2014-07-23 04:40:42.000   1  False 
14 2014-07-23 04:40:43.000   1  False 
15 2014-07-23 04:40:44.999   4  False 
16 2014-07-23 04:41:46.000   1  False 
17 2014-07-23 04:41:47.000   1  False 
18 2014-07-23 04:41:49.000   1  False 
19 2014-07-23 04:41:50.000   1  False 
20 2014-07-23 04:50:52.000   9  True 
21 2014-07-23 04:50:53.000   4  False 
22 2014-07-23 04:50:55.000   6  False 
23 2014-07-27 01:12:13.000   1  True