dataframe有机组号列，故障代码列，触发时间，如果连续3条同故障代码的记录且连续3天都触发了该机组的故障代码，则将最新一天触发的机组号，故障代码，触发时间加到新的dataframe

可以使用pandas中的groupby和rolling函数来实现这个需求。

首先，假设原始数据的DataFrame为df，包含columns：'机组号列'，'故障代码列'，'触发时间'。

我们可以先按照机组号和故障代码进行groupby操作，然后使用rolling函数对每个组内的数据进行滑动窗口计算。

具体操作可以参考以下代码：

import pandas as pd

# 按照机组号和故障代码进行groupby操作
grouped = df.groupby(['机组号列', '故障代码列'])

# 对每个组内的数据进行滑动窗口计算
for name, group in grouped:
    # 使用rolling函数对触发时间进行滑动窗口计算
    rolling_window = group['触发时间'].rolling(window=3)
    # 获取连续三条同故障代码的记录
    consecutive_3 = group[rolling_window.apply(lambda x: len(x) == 3 and x[2]-x[0] < pd.Timedelta('3 days'))]
    # 如果连续三天都触发了该机组的故障代码，则将最新一天的数据加入新的DataFrame中
    if len(consecutive_3) > 0:
        latest = consecutive_3.iloc[-1]
        new_df = pd.DataFrame({'机组号列': latest['机组号列'], '故障代码列': latest['故障代码列'], '触发时间': latest['触发时间']}, index=[0])
        # 将新的DataFrame添加到结果中
        if 'result_df' not in locals():
            result_df = new_df
        else:
            result_df = pd.concat([result_df, new_df], ignore_index=True)

最终得到的result_df就是符合要求的新的DataFrame，包含columns：'机组号列'，'故障代码列'，'触发时间'。