写一段代码，可以导入一个xlsx文件，这个文件中的数据有车牌号列（包含各个车辆的车牌号），时间列（对应车辆的出现时间，范围包含一天的24小时的时间，精确到秒）。需要从中筛选出12个小时内出现3次的车辆并再生成一个xlsx文件保存筛选的数据。用python代码来解决

要实现这个功能，我们可以使用pandas库来读取xlsx文件，处理数据，并筛选满足条件的车辆信息。以下是一个简单的Python代码示例：

# 首先确保已经安装了必要的库，如果没有，可以通过pip安装：
# pip install pandas openpyxl

import pandas as pd
from datetime import timedelta, datetime

# 假设文件名为"data.xlsx"，并且第一行是列名
def filter_vehicles(input_file, output_file):
    # 读取xlsx文件
    df = pd.read_excel(input_file, engine='openpyxl')

    # 检查是否存在车牌号和时间列，如果不是，请调整列名
    if '车牌号' not in df.columns or '时间' not in df.columns:
        raise ValueError("文件中缺少车牌号或时间列，请检查列名")

    # 将时间列转换为datetime格式
    df['时间'] = pd.to_datetime(df['时间'])

    # 计算每辆车在12小时内出现的次数
    grouped = df.groupby('车牌号')['时间'].agg(lambda x: (x - x.min()).dt.total_seconds() / 60).reset_index()
    
    # 添加一个新的列记录是否出现了3次
    grouped['出现次数'] = grouped['时间'].apply(len) / 60
    filtered_data = grouped[grouped['出现次数'] >= 3]

    # 创建新的DataFrame并只保留车牌号和出现次数
    filtered_df = filtered_data[['车牌号', '出现次数']]

    # 写入新的xlsx文件
    with pd.ExcelWriter(output_file) as writer:
        filtered_df.to_excel(writer, sheet_name='Filtered Data', index=False)

# 使用函数
input_file = "data.xlsx"
output_file = "filtered_data.xlsx"
filter_vehicles(input_file, output_file)

在这个代码中，我们首先读取Excel文件，然后按车牌号分组计算每个车辆在12小时内出现的总分钟数。接着，我们将分钟数转换为出现次数并筛选出至少出现3次的车辆。最后，我们将结果保存到新的Excel文件中。

如果你的实际情况和这个例子有所不同，比如文件路径、列名不同或者其他细节，你需要根据实际情况进行相应的调整。