Python 熊猫：在CSV中查找每10个数据点的平均值

我有大量的数据集：

Time,   Value
01.01.2018 00:00:00.000,  5.1398
01.01.2018 00:01:00.000,  5.1298
01.01.2018 00:02:00.000,  5.1438
01.01.2018 00:03:00.000,  5.1228
01.01.2018 00:04:00.000,  5.1168
.... , ,,,,
31.12.2018 23:59:59.000,  6.3498

数据是从一年中的第一天到最后一天的

分钟
数据

我想使用
Pandas
查找每5天的平均值。例如：

2018年05月01日<代码>的平均值从
2018年01月01日00:00:00.000
到
2018年01月05日23:59:59.000

下一个平均值将从
2018年01月02日00:00:00.000
到
2018年01月6日23:59:59.000
，适用于
2018年01月06日

下一个平均值将从
2018年01月03日00:00:00.000
到
2018年01月7日23:59:59.000
，适用于
2018年01月07日

等等

对于给定的一天，有24小时*60分钟=1440个数据点。所以我需要得到1440个数据点的平均值*5天=7200个数据点

最终的数据帧如下所示：

Time,   Value
05.01.2018,  5.1398
06.01.2018,  5.1298
07.01.2018,  5.1438
.... , ,,,,
31.12.2018,  6.3498

底线是计算从今天到过去5天的数据平均值，平均值如上所示

我试图迭代Python循环，但我想要比Pandas做得更好的东西。
IIUC
你想做滚动，然后每天重新采样

安装程序
解决方案
当你们在时间窗前滚动时，有趣的是熊猫不知道你们什么时候开始了一个完整的滚动期。因此，
df.rolling（'5D'）.mean（）
将立即开始取平均值。您可以通过调整每天重新采样后的前5天（或4天）来解决此问题

df.rolling('5D').mean().resample('D').last().iloc[4:]

            Value
Time             
2018-01-05    4.5
2018-01-06    6.5
2018-01-07    8.5

正如您所述，您每分钟都有的数据，即每天的数值总是相同的（1440），那么您可以简单地采用每日平均值，然后采用这些每日平均值的5天滚动窗口的平均值

示例（值是以年为单位的运行分钟数，从0开始）：

结果:

2018-01-05      3599.5
2018-01-06      5039.5
2018-01-07      6479.5
2018-01-08      7919.5
                ...   
2018-12-28    517679.5
2018-12-29    519119.5
2018-12-30    520559.5
2018-12-31    521999.5

rolling（5.mean（）
？
rolling（5.mean（）
给出了有希望的输出。我还需要在数据帧中添加，time，avg，就像上面最后的数据帧输出一样。@QuangHoang：为了清晰起见，我更新了问题。为了清晰起见，我更新了问题。对于给定的一天，有24小时*60分钟=1440个数据点。所以我需要得到1440个数据点的平均值*5天=7200个数据点，以此类推，第二天。。。
s = pd.Series(pd.date_range('2018-01-01', '2018-12-31 23:59', freq='1T'))
df = pd.DataFrame(s.index.values, index=s, columns=['Value'])
df.groupby(df.index.floor('d'))['Value'].mean().rolling(5).mean().dropna() 

2018-01-05      3599.5
2018-01-06      5039.5
2018-01-07      6479.5
2018-01-08      7919.5
                ...   
2018-12-28    517679.5
2018-12-29    519119.5
2018-12-30    520559.5
2018-12-31    521999.5