时间序列数据与熊猫的滚动相关性

Question

以下是我的数据的一小部分示例。我在某些时候有一些值，标记为A，我想在某些时候与价格相关联，标记为B.

每个A值考虑到相应时间之前的间隔。值0.054873437864689699是从午夜到651.0分钟（或10:51 am）。值0.055546509015723597为651.0至653.0分钟（或上午10:51至上午10:53），依此类推。

每个B值是在精确到毫秒的相应时间的价格。我可以简单地平均一段时间内的价格，以便将时间与A值相匹配。

我在Pandas文档中找到了“rolling_corr_pairwise”。我是Pandas的新手，需要一个超级简化的，逐步解释如何实现它。制作DataFrame对我来说也是新手。我想找到并绘制A和B值与时间的滚动相关性，例如50分钟的窗口。我意识到列出时间的方式（从午夜开始的几分钟）很糟糕，所以谢谢你对我的支持。

A-要相关的值

[0.054873437864689699，0.055546509015723597，0.056806870789744064，0.05656315835834981，0.056307375921714732，0.056614971519205935，0.058407075702340799，0.058483089024092987，0.059124318881877719，0.057917622539541552，0.058499741855677162，0.059480023024158751，0.059925414031410718，0.059699384112206717，0.059783470585893353，0.058500193498812712，0.056660594185120206，0.057215267146834899，0.054616609322569204，0.053707026223574213，0.053727363037656489，0.052396419451433848，0.051417634891722949， 0.050305835255857634,0.050611614412277413,0.050005571241158321,0.051123891272704211,0.049674112051554621,0.049446781886845974,0.047887309892200268]

从午夜开始的分钟数 -

[651.0,653.0,656.0,657.0,658.0,661.0,663.0,665.0,666.0,668.0,671.0,673.0,674.0,675.0,676.0,677.0,679.0,680.0,682.0,683.0,684.0,686.0,687.0， 689.0,691.0,693.0,696.0,700.0,701.0,704.0]

B-价格，与A

相关

[116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.32,116.32,116.32,116.32,116.32,116.32,116.33,116.33， 116.33,116.33,116.33,116.33,116.3201,116.33,116.33,116.33,116.3201,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33,116.33， 116.33,116.33]

自价格午夜以来的B分钟数，其中1毫秒=分钟/ 60000

[629.5010833333333，629.5010833333333，629.5013166666666，629.5013166666666，629.5013166666666，629.5018166666666，629.5047，629.507，629.5070666666667，629.5071166666667，629.508，629.508，629.508，629.508，629.508，629.5080333333333，629.5080666666667，629.5080666666667，629.5080666666667，629.5080666666667，629.5080666666667，629.5081，629.5081833333334， 629.5081833333334，629.5082166666666，629.50865，629.50865，629.5087166666667，629.5093166666667，629.5098333333333，629.5195，629.5197，629.5240166666666，629.5316333333333，629.5316666666666，629.5316666666666，629.5316666666666，629.5316666666666，629.5316666666666，629.5316666666666，629.5317666666666，629.5317666666666，629.5317666666666，629.5317666666666，629.5317666666666，629.5317666666666，629.5320333333333，629.5325， 629.5325333333333,629.5365833333333]