在过去的时间间隔内，使用熊猫数据框连续计算平均值

Question

[我相信我的问题确实很简单，并且必须有一种非常简单的方法来解决此问题，但是由于我对使用时间戳记并不十分自信，因此我无法自行解决该问题。

我给出了以下示例，它代表了我一直在努力的一个简单案例。在那里，您可以看到我在一个小时的时间内组成了一个由速度信号（它是输入）组成的数据帧。

import pandas as pd
import numpy as np

start = pd.Timestamp('2019-11-15T16:00')
end = pd.Timestamp('2019-11-15T17:00')
t = np.linspace(start.value, end.value, 60*60+1)
data = pd.DataFrame([])
data['Timestamp'] = pd.to_datetime(t)

noise = np.random.normal(0,1,3601)
data['Speed'] = 10*abs(np.random.randn(3601))+noise

我将实现一个控制器，该控制器将限制该速度信号，但这不在问题的范围内。因此，我正在寻找一种可以遍历for i,val in enumerate(data['Speed'].values):列并计算每个循环最近10秒的平均速度的方法。因此，该想法是针对每个新迭代，计算过去10个值的平均值。

希望我能做到简洁明了。非常感谢您在此方面的帮助！也欢迎提出查询建议。

Answer 1

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.resample.html

data['Speed_10s_mean'] = data['Speed'].rolling(10).mean()

结果
    Timestamp           Speed       Speed_10s_mean
0   2019-11-15 16:00:00 6.467616    NaN
1   2019-11-15 16:00:01 1.233462    NaN
2   2019-11-15 16:00:02 9.136592    NaN
3   2019-11-15 16:00:03 18.617069   NaN
4   2019-11-15 16:00:04 7.628102    NaN
5   2019-11-15 16:00:05 11.840941   NaN
6   2019-11-15 16:00:06 7.788474    NaN
7   2019-11-15 16:00:07 13.069130   NaN
8   2019-11-15 16:00:08 5.549147    NaN
9   2019-11-15 16:00:09 0.596765    8.192730
10  2019-11-15 16:00:10 13.273170   8.873285
11  2019-11-15 16:00:11 19.339124   10.683851
12  2019-11-15 16:00:12 18.659298   11.636122
13  2019-11-15 16:00:13 4.094160    10.183831
14  2019-11-15 16:00:14 13.240686   10.745089
15  2019-11-15 16:00:15 17.535431   11.314539
16  2019-11-15 16:00:16 28.936041   13.429295
17  2019-11-15 16:00:17 6.081373    12.730520
18  2019-11-15 16:00:18 16.009562   13.776561
19  2019-11-15 16:00:19 1.101115    13.826996
...