Python数据处理----highD数据集中提取车辆变道时刻后车thw

使用Python处理数据，例如在highD中提取数据时，首先要搞清楚自己要什么，然后再思考可以添加什么条件来实现它。

比如我想提取车辆变道时刻后车thw，大体思想就是：

1. 遍历每个track.csv文件
2. 在每个文件中，按id分组（后续说到为什么要这么做）
3. 因为要提取车辆变道时刻的什么什么，所以先定义车辆变道时刻，就是车道id那一列相邻两行相减，不等于0，则取第二行，这一行对应的第一列frame就是换道时刻
4. 提取这一行的第一列frame和后车id那一列
5. 有了这两个数据就可以定位到后车在这一刻所对应的thw
6. 为什么要分组（在第三步中，你要相邻两行相减，不分组的话，1号车的最后一行和2号车的第一行也会相减，提取出来的2号车的第一行不是换道时刻，所以要在每个车辆id组中相减）

代码如下

import pandas as pd
import os

# 指定CSV文件所在的文件夹路径
csv_folder_path = 'D:/00000/highD/data/test/'

# 获取文件夹中所有CSV文件的路径
csv_file_paths = [os.path.join(csv_folder_path, file) for file in os.listdir(csv_folder_path) if file.endswith('.csv')]

# 初始化结果列表
output_data = []

# 遍历每个CSV文件
for csv_file_path in csv_file_paths:
    # 读取CSV文件为DataFrame
    data = pd.read_csv(csv_fil