Python 如何使用pandas进行滚动窗口计算，以便每1分钟计算一个新值

我有一个

DataFrame

，有3000多行，如下所示：

                                    rr_ms
time    
2020-03-05 15:43:51.122000+01:00    961
2020-03-05 15:43:52.112000+01:00    946
2020-03-05 15:43:53.131000+01:00    907
2020-03-05 15:43:54.424000+01:00    952
2020-03-05 15:43:54.424000+01:00    968
2020-03-05 15:43:55.298000+01:00    1019
2020-03-05 15:43:56.133000+01:00    1011
2020-03-05 15:43:57.121000+01:00    0
2020-03-05 15:43:58.142000+01:00    1020
2020-03-05 15:43:59.099000+01:00    999
2020-03-05 15:44:00.120000+01:00    948
2020-03-05 15:44:01.441000+01:00    922
2020-03-05 15:44:02.312000+01:00    873
2020-03-05 15:44:02.312000+01:00    899
2020-03-05 15:44:03.184000+01:00    933
2020-03-05 15:44:04.143000+01:00    948
2020-03-05 15:44:05.132000+01:00    986
2020-03-05 15:44:06.124000+01:00    982
2020-03-05 15:44:07.112000+01:00    972
2020-03-05 15:44:08.402000+01:00    0
2020-03-05 15:44:09.363000+01:00    990
2020-03-05 15:44:09.363000+01:00    1069
2020-03-05 15:44:10.233000+01:00    988
2020-03-05 15:44:11.133000+01:00    940
2020-03-05 15:44:12.122000+01:00    870
2020-03-05 15:44:13.112000+01:00    859
2020-03-05 15:44:14.073000+01:00    885
...

我想使用

“rr_ms”

计算一个值，就像（b）中所示：

• “rr_ms”

  分为5分钟窗口，增量为1分钟
• 这意味着与相邻的5分钟段大约有4分钟的重叠，因此每分钟计算一个新值
• 这也意味着第一个值出现在5分钟标记处

我想也许

pandas.rolling（）

会给我想要的结果，但我认为它的行为不像我想象的那样

IN: df.rolling('5T').sum()

OUT:
                                    rr_ms
time    
2020-03-05 15:43:51.122000+01:00    961.0
2020-03-05 15:43:52.112000+01:00    1907.0
2020-03-05 15:43:53.131000+01:00    2814.0
2020-03-05 15:43:54.424000+01:00    3766.0
2020-03-05 15:43:54.424000+01:00    4734.0
...     ...

期望的结果是这样的

• 请注意，在原始的

  df

  中，第一个时间戳位于

  15:43

• 这意味着第一个总和（

  249022

  ）是根据

  rr\u ms

  值从

  15:43

  到

  15:47

• 第二个和（

  300041

  ）基于

  rr\u ms

  值，从

  15:44

  到

  15:48

等等

                            rr_ms
time    
2020-03-05 15:48:00+01:00   249022
2020-03-05 15:49:00+01:00   300041
2020-03-05 15:50:00+01:00   299396
...

---

我想知道我应该使用什么样的函数来代替。

您应该首先以1分钟的频率重新采样。从那时起，您将能够使用一个简单的

rolling

sum：

resul = df.resample('1T').sum().rolling('5T').sum()

样本数据将给出：

                       rr_ms
time                        
2020-03-05 14:43:00   8783.0
2020-03-05 14:44:00  23847.0

你可以看到总数一直到最后一分钟都受到影响。如果要将其影响到第一个，只需移动索引：

resul.index = resul.index = resul.index - pd.Timedelta('4min')

---

您应该首先以1分钟的频率重新采样。从那时起，您将能够使用一个简单的

rolling

sum：

resul = df.resample('1T').sum().rolling('5T').sum()

样本数据将给出：

                       rr_ms
time                        
2020-03-05 14:43:00   8783.0
2020-03-05 14:44:00  23847.0

你可以看到总数一直到最后一分钟都受到影响。如果要将其影响到第一个，只需移动索引：

resul.index = resul.index = resul.index - pd.Timedelta('4min')

---

您发布了

df.rolling（'5T'）.sum（）的结果，但所需的输出是什么？@ipg我刚刚添加了预期的结果。根据前5分钟收集的值计算第一个总和。第二个总和是根据在第1分钟到第6分钟之间收集的数据计算的，依此类推。您发布了
df.rolling（'5T'）.sum（）
的结果，但所需的输出是什么？@ipg我刚刚添加了预期的结果。根据前5分钟收集的值计算第一个总和。第二个总和是根据在第1分钟到第6分钟之间收集的数据计算的，依此类推。谢谢。
df.重采样（'1T'）
是否将数据分为1分钟的窗口（即，结果是第一分钟
rr_ms
的总和）？@MarielleDado:AFAIK是的。这与样本数据的结果是一致的。好吧，不完全是我想要的。我希望将数据分为5分钟的窗口，以便以1分钟为增量计算新值。我还希望窗口将“滑动”，以便每个值与前面的值“共享”大约4分钟的数据点。我认为你的解决方案每1分钟总结出一个新值，与其他值无关。有点难以解释，这就是为什么我包括解释我想如何打开窗口behave@MarielleDado：好的，
resample（'1T'）
将数据分割成1分钟的窗口，然后
滚动（'5T'）。sum（）
计算连续5分钟和每分钟的滚动总和。因此，在两次操作之后，两个相邻的行确实共享了4分钟的数据。只需在更大的样品上试用，您就会看到。谢谢。
df.重采样（'1T'）
是否将数据分为1分钟的窗口（即，结果是第一分钟
rr_ms
的总和）？@MarielleDado:AFAIK是的。这与样本数据的结果是一致的。好吧，不完全是我想要的。我希望将数据分为5分钟的窗口，以便以1分钟为增量计算新值。我还希望窗口将“滑动”，以便每个值与前面的值“共享”大约4分钟的数据点。我认为你的解决方案每1分钟总结出一个新值，与其他值无关。有点难以解释，这就是为什么我包括解释我想如何打开窗口behave@MarielleDado：好的，
resample（'1T'）
将数据分割成1分钟的窗口，然后
滚动（'5T'）。sum（）
计算连续5分钟和每分钟的滚动总和。因此，在两次操作之后，两个相邻的行确实共享了4分钟的数据。只需在更大的样品上试用，您就会看到。