我有一个pandas中的时间戳和值的数据集。时间戳之间的间隔在大约一年的总时间跨度内是~12秒，但有时会有缺失点（即，时间序列是不规则的，因此我不能使用固定的窗口大小）。
我想计算超过1分钟间隔的值的滚动平均值，但我没有得到我预期的行为。我发现了一个类似的问题here，但那是使用总和和前熊猫0.19.0。我正在使用Pandas 0.23.4。
样本数据
Time, X
2018-02-02 21:27:00, 75.4356
2018-02-02 21:27:12, 78.29821
2018-02-02 21:27:24, 73.098345
2018-02-02 21:27:36, 78.3331
2018-02-02 21:28:00, 79.111
请注意，2018-02-02 21:27:48缺失。
对于滚动总和，我可以用0填充缺失值但是对于均值，我不希望将缺失点计为实际数据点（例如，我希望窗口为和（在给定间隔内的数据点） ）/间隔中的数据点数）。
我想在不同的时间段（即1分钟，5分钟，15分钟，1小时等）进行此操作。
我得到的最接近的实际值是：
码
df['rolling_avg']=df.rolling('1T',on='Time').X.mean()
我的理解是，这将是1分钟的滚动平均值。
但是，我不知道如何解释输出。我本来期望NaNs在前1 + 1分钟，因为没有什么可以基于滚动平均值而是我有值。
产量
Time X rolling_avg
0 2018-02-02 21:27:00 75.4356 75.435600
1 2018-02-02 21:27:12 78.29821 76.866905
2 2018-02-02 21:27:24 73.098345 75.610718
3 2018-02-02 21:27:36 78.3331 76.291314
4 2018-02-02 21:28:00 79.111 77.210164
基本上，在这个输出中，df[1].rolling_avg是(Value[0]+Value[1])/2，虽然间隔是12秒，而不是1分钟。
有没有办法做我想做或做的事情我需要写一个for循环手动执行此操作？