使用 Pandas DataFrame 连续计算过去间隔的平均值答案

【问题标题】：Continuously calculating averages over past intervals w/ Pandas DataFrame使用 Pandas DataFrame 连续计算过去间隔的平均值
【发布时间】：2019-11-18 10:07:23
【问题描述】：

我相信我的问题非常简单，必须有一个非常简单的方法来解决这个问题，但是由于我对使用时间戳没有信心，所以我无法自己解决这个问题。

我制作了以下示例，它代表了我一直在研究的一个简单案例。在那里，您可以看到我已经制作了一个数据帧，其中包含一个一小时内的速度信号（这是一个输入）。

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，它将限制该速度信号，但这不在问题的范围内。所以我正在寻找一种方法，我可以循环遍历列for i,val in enumerate(data['Speed'].values): 并计算每个循环在过去 10 秒内的平均速度。所以这个想法是对于每次新的迭代，计算过去 10 个值的平均值。

希望我能做到简洁准确。我非常感谢您对此的帮助！也欢迎提出关于查找内容的建议。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.core.window.Rolling.mean.html#pandas.core.window.Rolling.mean

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
...

【讨论】：

感谢您的建议，但我想就我而言，这行不通。我的想法是计算何时循环最后 10 个先前值的平均值。