Python Pandas 按日期将事件分组在一起，然后测试其他值是否相等

根据发病日期和地址，我正在寻找在同一地点发生在彼此指定时间范围内的疾病爆发.数据帧很大-300K行.

有一个很好的解决方案，可以通过Jezrael在每行日期之前或之后的指定天数内匹配日期(我不确定这是否可以处理300K行):

import pandas as pd

df = pd.DataFrame(
    [
        ['2020-01-01 10:00', '1', 'A'],
        ['2020-01-01 10:01', '2', 'A'],
        ['2020-01-01 10:02', '3a', 'A'],
        ['2020-01-01 10:02', '3b', 'B'],
        ['2020-01-01 10:30', '4', 'B'],
        ['2020-01-01 10:50', '5', 'B'],
        ['2020-01-01 10:54', '6', 'B'],
        ['2020-01-01 10:55', '7', 'B'],
    ], columns=['event_time', 'event_id', 'Address']
)

# solution matching dates within range of date in row by jezrael
df['event_time'] = pd.to_datetime(df['event_time'])

td = pd.Timedelta("1m")
f = lambda x, y: df.loc[df['event_time'].between(y - td, y + td),
                        'event_id'].drop(x).tolist()
df['related_event_id_list'] = [f(k, v) for k, v in df['event_time'].items()]
print (df)
           event_time event_id related_event_id_list  Address
0 2020-01-01 10:00:00        1                   [2]     A
1 2020-01-01 10:01:00        2           [1, 3a, 3b]     A
2 2020-01-01 10:02:00       3a               [2, 3b]     A
3 2020-01-01 10:02:00       3b               [2, 3a]     B
4 2020-01-01 10:30:00        4                    []     B
5 2020-01-01 10:50:00        5                    []     B
6 2020-01-01 10:54:00        6                   [7]     B
7 2020-01-01 10:55:00        7                   [6]     B

我已try 将该地址包括在原始比较中，但没有成功.我不确定如何在整个Related_Event_id_list(？)之间比较地址，或者首先匹配地址(减少行数)，然后根据输出调整Jezrael解决方案是否更好？

输出应该允许我计算事件的开始日期、结束日期和地址.首先，调整Jezrael解决方案，它将是:

           event_time event_id related_event_id_list  Address
0 2020-01-01 10:00:00        1                   [2]     A
1 2020-01-01 10:01:00        2               [1, 3a]     A
2 2020-01-01 10:02:00       3a                   [2]     A
3 2020-01-01 10:02:00       3b                    []     B
4 2020-01-01 10:30:00        4                    []     B
5 2020-01-01 10:50:00        5                    []     B
6 2020-01-01 10:54:00        6                   [7]     B
7 2020-01-01 10:55:00        7                   [6]     B

但由于前三行(以及最后两行)代表的是一场持续的疫情，因此解决方案实际上更像是:

     event_time_start  event_time_end     events_and_related_event_id_list  Address
0 2020-01-01 10:00:00  2020-01-01 10:02:00        [1, 2, 3a]     A
6 2020-01-01 10:54:00  2020-01-01 10:55:00        [6, 7]         B