如何实现基于时间的时间序列窗口？答案

【问题标题】：How can I implement time based time series windowing?如何实现基于时间的时间序列窗口？
【发布时间】：2021-02-28 14:08:13
【问题描述】：

我想将具有DatetimeIndex 的熊猫系列窗口化到最后 X 秒。通常我会使用pandas.Series.rolling 进行窗口化。但是，日期时间索引不是等距的，这意味着我无法以可靠的方式计算数据点的数量。如何实现基于时间的窗口化（例如，通过实现 BaseIndexer 子类并将其传递给 rolling() 的 window 参数）？

【问题讨论】：

df.rolling('2s') 这样的东西不工作吗？这里的“2s”表示最后2秒
不，它没有。如果您查看 API，window 必须是一个 int 或 BaseIndexer 子类的实例。
内置的 BaseIndex 子类 github.com/pandas-dev/pandas/blob/master/pandas/core/window/… 也没有帮助。
文档（您共享的链接）最后有一个带有df.rolling('2s') 的示例 - 虽然我还没有尝试过
这个例子适用于数据框，我完全忽略了它。但是似乎也适用于系列。我得到了一个 Rolling 对象实例，但我需要以某种方式将它转换回 pd.Series。

标签： python python-3.x pandas time-series

【解决方案1】：

从我想出的日期时间索引系列中获取最后 X 秒的最简单方法是获取 newest_timestamp = series.index.max()，计算要从中考虑的最旧时间戳 oldest_timestamp = newest_timestamp - pd.to_timedelta(<X-seconds>, unit='s') 并切片 windowed_series = series[oldest_timestamp:newest_timestamp。因为oldest_timestamp 不是从系列中提取的，但计算出的切片操作通常不会完全匹配。不过这并不重要，因为它会自动处理。

注意：series.rolling() 通常用于时间序列数据预处理上下文（例如，在窗口内加权样本，取决于作为预测应用程序一部分的函数）而不是普通窗口用例。

【讨论】：