dataframe有机组号列，故障代码列，触发时间，如果触发时间连续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 的 groupby 和 rolling 函数实现连续三天触发同一故障代码的筛选，然后将符合要求的数据添加到新的 dataframe 中。下面是一份示例代码：

import pandas as pd
from datetime import timedelta

# 读取原始数据，并按照机组号和故障代码进行分组
df = pd.read_csv('original_data.csv')
grouped = df.groupby(['机组号', '故障代码'])

# 定义一个空的 dataframe，用于存储满足条件的数据
new_df = pd.DataFrame(columns=['机组号', '故障代码', '触发时间'])

# 遍历每个组
for name, group in grouped:
    # 对于每个组，都按照触发时间升序排序
    group = group.sort_values(by='触发时间')

    # 使用 rolling 函数计算连续三天触发同一故障代码的数据
    rolling_window = group['触发时间'].rolling(window=3, min_periods=3)
    trigger_count = rolling_window.apply(lambda x: (x - x.shift(1)) == timedelta(days=1)).sum()

    # 如果触发次数大于等于 3，则说明有连续三天触发同一故障代码的情况
    if trigger_count >= 3:
        # 取最新一天触发的数据
        latest_trigger = group.iloc[-1]

        # 将该数据添加到新的 dataframe 中
        new_df = new_df.append({
            '机组号': latest_trigger['机组号'],
            '故障代码': latest_trigger['故障代码'],
            '触发时间': latest_trigger['触发时间']
        }, ignore_index=True)

# 输出符合条件的数据
print(new_df)

其中，`original_data.csv` 是原始数据的文件名，需要根据实际情况进行修改。在代码中，首先按照机组号和故障代码进行分组，然后对于每个组，按照触发时间升序排序。接着使用 rolling 函数计算连续三天触发同一故障代码的数据，如果触发次数大于等于 3，则说明有连续三天触发同一故障代码的情况。最后将最新一天触发的数据添加到新的 dataframe 中，并输出符合条件的数据。