不规则数据帧的Python-MA

我想计算一个以毫秒为时间戳但不规则的数据集的滚动移动平均数。对于2天的数据帧，不规则数据集有~36K条记录。如果我重新采样到ms条，我会融化电脑，然后变成3200万条

要清楚，考虑下面的熊猫数据集： （我已将NaN更改为0）

但我想要的答案是：

df.rolling('2s').mean()
                           B
    2013-01-01 09:00:00  0.0
    2013-01-01 09:00:02  0.5
    2013-01-01 09:00:03  1.5
    2013-01-01 09:00:05  1.0
    2013-01-01 09:00:06  2.0

为了计算平均值，将条目向前滚动（ffill样式）。我想解决这个问题，而不是爆炸的内存使用，而不只是通过它的顺序（我知道我可以做到）

我曾认为：

df.rolling('2s', freq='1s').mean()

可以工作，但它抛出了一个错误，期望有7行，但只有5行（ValueError：传递值的形状是（1,5），索引暗示（1,7））

如果我使用pad重新采样到另一个数据帧中，然后进行滚动平均，它会起作用：

df2 = df.resample('1s').pad()
df2.rolling('2s').mean()

这有内置的吗？还是我只是重复一遍

df2 = df.resample('1s').pad()
df2.rolling('2s').mean()