数据帧中的样本标准偏差（Python）

以下是我在DataFrame中拥有的数据片段

Date                Energy  F1  F2  F3      F4      F5      F6  F7      F8
2013-01-01 00:00:00 0.181   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 00:30:00 0.248   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 01:00:00 0.206   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 01:30:00 0.171   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 02:00:00 0.068   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 02:30:00 0.083   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 03:00:00 0.083   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 03:30:00 0.072   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 04:00:00 0.06    7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 04:30:00 0.061   7.0 5.0 0.87    1000.0  10.0    4.0 13.0    3.0
2013-01-01 05:00:00 0.06    7.0 5.0 0.87    1001.0  10.0    4.0 16.7    4.0
2013-01-01 05:30:00 0.068   6.0 3.0 0.81    1002.0  10.0    4.0 22.2    2.0
2013-01-01 06:00:00 0.076   6.0 3.0 0.81    1002.0  10.0    4.0 22.2    2.0
2013-01-01 06:30:00 0.044   5.0 2.0 0.81    1002.0  10.0    4.0 13.0    1.0
2013-01-01 07:00:00 0.063   5.0 2.0 0.81    1003.0  10.0    4.0 13.0    1.0
2013-01-01 07:30:00 0.063   5.0 2.0 0.81    1003.0  10.0    4.0 16.7    1.0

我想计算能量列的样本标准偏差，这样每4个值（4个值的窗口）就有一个样本标准

我尝试使用pd.rolling（）.std（）命令

但这基本上是从一行移动到下一行，并将下4行分组为一个窗口。为每行提供一个新的样本Std值

我要寻找的是每4行一个样本Std值，窗口移动到下4行。此窗口的大小发生变化[4,8,6,6]，重复此操作

我想知道我是否可以使用groupby（），但由于我的数据非常大，因此计算起来非常昂贵

---

任何简单的pythonic方法都可以做到这一点吗？

请使用

.resample（）

，而不是

.rolling（）

。谢谢，这很有效。但是我忘了提到窗户的大小会改变。我已经编辑了我的问题。我没有看到任何编辑。我只是做了，窗口从[4,8,6,6]更改，然后再次从[4,8,6,6]开始，依此类推……我认为这不容易（或有效）做到。

df['Smaple Std'] = df['Energy'].rolling(4).std()