如何对熊猫进行滚动窗口计算，以便每1分钟计算一个新值

Question

我有一个DataFrame，包含超过3000行，看起来像这样：

                                    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this figure的（b）中显示的一样：

• "rr_ms"被分成5分钟的窗口，以1分钟为增量。
• 这意味着与相邻的5分钟片段大约有4分钟的重叠，导致每分钟计算出一个新值。
• 这也意味着第一个值出现在5分钟标记处

我以为pandas.rolling()可能会给我想要的结果，但我认为它的行为不符合我的想法？

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
...     ...

所需的结果将是这样。

• 请注意，在原始的df中，第一个时间戳记在15:43。
• 意味着第一和（249022）是基于rr_ms值从15:43到15:47。
• 第二和（300041）基于从rr_ms到15:44的15:48值。

依此类推。

                            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
...

我很想知道我应该使用哪种功能。

Answer 1

您应该首先以1分钟的频率重新采样。从那时起，您将可以使用简单的rolling总和：

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

示例数据将给出：

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

您可以看到总和到最后一刻都受影响。如果要影响到第一个，只需shift索引：

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