我正在尝试在时间窗口上返回关于（移动的）固定点的计数。
试图根据使用之前的使用情况随时了解仪器的状况。
因此，如果仪器在下午12.05、12.10、12.15、12.30、12.40和1pm使用，则计数为：
12.05-> 1（最后一小时一次）
12.10-> 2
12.15-> 3
12.30-> 4
12.40-> 5
1.00-> 6
...但是可以说用法从1.06恢复：1.06-> 6这不会增加计数，因为第一次运行是在一个小时之前。
我如何计算此计数并将其附加为列？
感觉这是一个lambda函数中可能使用timedelta的groupby / aggregate / count，但我不知道从哪里开始。
我也希望能够与时间窗口一起播放，所以不仅是过去的一个小时，还包括一个实例周围的小时，即+和-30分钟。
以下代码给出了一个起始数据帧：
s = pd.Series(pd.date_range('2020-1-1', periods=8000, freq='250s'))
df = pd.DataFrame({'Run time': s})
df_sample = df.sample(6000)
df_sample = df_sample.sort_index()
[我发现的最好的帮助（公平地说，我通常可以从逻辑上一起破解）是这个Distinct count on a rolling time window，但这次我没有设法解决。
谢谢
我以前使用DataFrame.rolling函数做了类似的事情：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html
因此，对于您的数据集，首先需要将索引更新为datetime字段，然后可以执行所需的分析，因此从代码继续：
s = pd.Series(pd.date_range('2020-1-1', periods=8000, freq='250s'))
df = pd.DataFrame({'Run time': s})
df_sample = df.sample(6000)
df_sample = df_sample.sort_index()
# Create a value we can count
df_sample('Occurrences') = 1
# Set the index to the datetime element
df_sample = df_sample.set_index('Run time')
# Use Pandas rolling method, 3600s = 1 Hour
df_sample['Occurrences in Last Hour'] = df_sample['Occurrences'].rolling('3600s').sum()
df_sample.head(15)
Occurrences Occurrences in Last Hour
Run time
2020-01-01 00:00:00 1 1.0
2020-01-01 00:04:10 1 2.0
2020-01-01 00:08:20 1 3.0
2020-01-01 00:12:30 1 4.0
2020-01-01 00:16:40 1 5.0
2020-01-01 00:25:00 1 6.0
2020-01-01 00:29:10 1 7.0
2020-01-01 00:37:30 1 8.0
2020-01-01 00:50:00 1 9.0
2020-01-01 00:54:10 1 10.0
2020-01-01 00:58:20 1 11.0
2020-01-01 01:02:30 1 11.0
2020-01-01 01:06:40 1 11.0
2020-01-01 01:15:00 1 10.0
2020-01-01 01:19:10 1 10.0
您需要将索引设置为datetime元素才能利用时基窗口，否则只能使用与行数相对应的整数值。