Python 使用pandas在滚动窗口中重新采样

假设我有每日数据（不规则间隔），我想计算过去5个月内每个月的移动标准偏差（或任意的非线性函数）。例如，对于2012年5月，我将计算2012年1月至2012年5月（5个月）期间的STDEV。对于2012年6月，周期从2012年2月开始，以此类推。最终结果是具有月度值的时间序列

我无法应用滚动窗口，因为这将首先是每天，其次我需要指定值的数量（滚动窗口不按时间范围聚合，一些帖子解决了这一问题，但它们与我的问题无关，因为滚动仍然适用于新的一天）

I无法应用重采样，因为这样样本将每5个月进行一次，例如，我将仅具有2012年5月、2012年10月、2013年3月的值。。。最后，由于函数是非线性的，我不能通过先做一个月的样本，然后在其上应用一个5周期的滚动窗口来重建它

因此，我需要一种应用于由时间间隔（而不是值的数量）定义的滚动窗口的重采样功能

---

我怎样才能在熊猫身上做到这一点？一种方法是组合几个（本例中为5个）重采样（5个月）时间序列，每个时间序列有一个月的偏移量，然后将所有这些序列对齐成一个。。。但我不知道如何实现这一点。

这里有一个尝试-不是超级干净，但它可能会工作

虚拟数据：

df = pd.DataFrame(data={'a': 1.}, 
                  index=pd.date_range(start='2001-1-1', periods=1000))

---

首先定义一个函数来减少日期

n

月数。这需要清理，但适用于n我在处理时间差序列时遇到了类似的问题，我想取一个移动平均值，然后重新采样。这里是一个例子，我有100秒的数据。我采用10秒窗口的滚动平均值，然后每5秒重新采样一次，在每个重新采样箱中取第一个条目。结果应为前10秒的平均值，增量为5秒。您可以使用月格式而不是秒格式执行类似操作：

df = pd.DataFrame(range(0,100), index=pd.TimedeltaIndex(range(0,100),'s'))
df.rolling('10s').mean().resample('5s').first()

结果:

             0
00:00:00   0.0
00:00:05   2.5
00:00:10   5.5
00:00:15  10.5
00:00:20  15.5
00:00:25  20.5
00:00:30  25.5
00:00:35  30.5
00:00:40  35.5
00:00:45  40.5
00:00:50  45.5
00:00:55  50.5
00:01:00  55.5
00:01:05  60.5
00:01:10  65.5
00:01:15  70.5
00:01:20  75.5
00:01:25  80.5
00:01:30  85.5
00:01:35  90.5

---

我用以下代码解决了类似的问题：

interval = 5
frames = []
for base in range(interval):
  frame = data.resample(f"{interval}min", base=base).last()
  frames.append(frame)

pd.concat(frames, axis=0).sort_index()

---

在这里，我创建了5个数据帧，它们以相同的间隔重新采样，但偏移量不同（基本参数）。然后我只需要将它们连接起来并进行排序。通常应该比滚动+重采样（唯一的开销是排序）效率更高。

您是在寻找过去五个日历月（2012年5月：12月、1月、2月、3月、4月）的std，还是有数据的过去五个月（如果缺少2月，比如：11月、12月、1月、3月、4月）的std？你也提到了包括May，但这没有意义，除非你是指前四个月+MTD（在这种情况下，我的问题仍然存在）我有点难以理解。示例中的目标是调用从1月1日到5月31日的每日值，计算这些值的stdev，并将其作为5月的值返回吗？澄清一下：我正在寻找5个日历月（数据不一定均匀分布），包括当前月份，因此对于2012年5月，我从2012年1月到2012年5月（窗户的长度为5个月，无论我每月只有一天还是20天）.User@user3823992是正确的，此外，我只关心每月的结果，因此我需要对2012年6月、2012年7月等应用相同的结果。如果pandas已导入您的日期和时间数据，您应该能够使用语法

dft[datetime（2013，1，1）：datetime（2013，6）]

。只需编写一个循环或等效程序，循环开始和结束月份的值，并将您的函数应用于生成的数据帧中的值即可。（对不起，我手头上没有日期戳数据集，无法亲自测试）

In [222]: df_m.groupby('value').sum()
Out[222]: 
              a
value          
2000-09-01   31
2000-10-01   59
2000-11-01   90
2000-12-01  120
2001-01-01  151
2001-02-01  150
2001-03-01  153
2001-04-01  153
2001-05-01  153
2001-06-01  153
2001-07-01  153
...

df = pd.DataFrame(range(0,100), index=pd.TimedeltaIndex(range(0,100),'s'))
df.rolling('10s').mean().resample('5s').first()

             0
00:00:00   0.0
00:00:05   2.5
00:00:10   5.5
00:00:15  10.5
00:00:20  15.5
00:00:25  20.5
00:00:30  25.5
00:00:35  30.5
00:00:40  35.5
00:00:45  40.5
00:00:50  45.5
00:00:55  50.5
00:01:00  55.5
00:01:05  60.5
00:01:10  65.5
00:01:15  70.5
00:01:20  75.5
00:01:25  80.5
00:01:30  85.5
00:01:35  90.5

interval = 5
frames = []
for base in range(interval):
  frame = data.resample(f"{interval}min", base=base).last()
  frames.append(frame)

pd.concat(frames, axis=0).sort_index()