如何在连续的有意义的时段中对白天进行分组

如何解决如何在连续的有意义的时段中对白天进行分组

我有以下数据帧，其中包含每小时相应的需求。我想根据类似的需求以某种方式对这些时间进行分组但是时间的分组必须连续才能有意义。例如，有意义的时间分组可以是 10-12 但不是（10-12、2、4-5）。

1970-01-01 08:00:00     9
1970-01-01 09:00:00    11
1970-01-01 10:00:00    28
1970-01-01 11:00:00    26
1970-01-01 12:00:00    26
1970-01-01 13:00:00    32
1970-01-01 14:00:00    24
1970-01-01 15:00:00    30
1970-01-01 16:00:00    23
1970-01-01 17:00:00    32
1970-01-01 18:00:00    27
1970-01-01 19:00:00    21
1970-01-01 20:00:00    16
1970-01-01 21:00:00    13
1970-01-01 22:00:00     1
1970-01-01 23:00:00     0

temp_data = df.values

ndata = [[td,td] for td in temp_data]
data = np.array(ndata)

# clustering
thresh = (15.0 / 100.0) * (
            max(temp_data) - min(temp_data))  # Threshold 15% of the total range of data

clusters = hcluster.fclusterdata(data,thresh,criterion="distance")

total_clusters = max(clusters)

clustered_index = []
for i in range(total_clusters):
    clustered_index.append([])

for i in range(len(clusters)):
    clustered_index[clusters[i] - 1].append(i)

clustered_range = []
for x in clustered_index:
    clustered_index_x = [temp_data[y] for y in x]
    clustered_range.append((min(clustered_index_x),max(clustered_index_x)))
print(clustered_range)

上面的代码（以及所有无监督的聚类算法）产生了一些聚类值范围，但它不知道小时必须是连续的；它只是对值进行聚类。关于如何解决此限制并同时强制执行连续的几个小时组的任何想法？