Python 熊猫数据帧在不均匀的周期/分钟内重新采样

搜索它，但没有找到解决方案-如果已经有一个sry的要求，但我会感谢一个链接

我有这样一个数据帧（df）：

timestamp          value
2016-03-11 07:37:40 24.6018
2016-03-11 07:37:45 24.6075
2016-03-11 07:37:50 24.599
2016-03-11 07:37:55 24.6047
2016-03-11 07:38:00 24.5905
2016-03-11 07:38:05 24.551
...

重要提示：开始时间不是7:40:00，而是07:37:40（可以是任何时间），我想对其进行重新采样-计算5分钟内的平均值，例如，标有所用线路的最后时间戳。原始数据的第一个时间戳2016-03-11 07:37:40的预期结果：

2016-03-11 07:42:40 24.608
2016-03-11 07:47:40 24.605
2016-03-11 07:52:40 24.59
...

我试着用

df.resample('5T',how='mean',label='right')

及

同样的结果是：

2016-03-11 07:40:00 24.618
2016-03-11 07:45:00 24.675
2016-03-11 07:50:00 24.599
...

它在整分钟内计算。我找不到合适的方法来纠正这个问题。看到“base”可能是一个选项，但它似乎不是很直观或很好的编码

---

任何帮助都将不胜感激

检查这个，我使用了滚动，它将滚动给定的频率，并进行数学运算，如sum、mean等。在这里，您需要知道开始和结束日期时间值

代码：

df.timestamp=pd.to_datetime(df.timestamp)
df.set_index('timestamp',inplace=True)
df = df.rolling('15s').mean()
mask = pd.date_range('2016-03-11 07:37:40','2016-03-11 07:38:05',freq='10S')
df = df.loc[mask]
df

                        value
2016-03-11 07:37:40 24.601800
2016-03-11 07:37:50 24.602767
2016-03-11 07:38:00 24.598067

---

使用您想要的窗口，而不是我使用的滚动和日期范围中的“15”。让我知道这对您有用。

非常感谢。它对我有用。我会回答这个问题，但同时我找到了一种方法来计算

base

，如果有人需要，可以对

重新采样：
base=df.iloc[0].name.minute%5+df.iloc[0].name.second
@neo欢迎您。如果解决方案对您有效，请接受它。
df.timestamp=pd.to_datetime(df.timestamp)
df.set_index('timestamp',inplace=True)
df = df.rolling('15s').mean()
mask = pd.date_range('2016-03-11 07:37:40','2016-03-11 07:38:05',freq='10S')
df = df.loc[mask]
df

                        value
2016-03-11 07:37:40 24.601800
2016-03-11 07:37:50 24.602767
2016-03-11 07:38:00 24.598067