搜索它但找不到解决方案 - 如果已经有一个sry要求但我会感谢一个链接
我有一个像这样的数据帧（df）：
timestamp value
2016-03-11 07:37:40 24.6018
2016-03-11 07:37:45 24.6075
2016-03-11 07:37:50 24.599
2016-03-11 07:37:55 24.6047
2016-03-11 07:38:00 24.5905
2016-03-11 07:38:05 24.551
...
重要的开始不是在07:40:00甚至07:37:40（可能是任何时间）的均匀分钟，我想重新取样 - 计算平均值，例如：标有上次使用行的时间戳的5分钟。期望的结果与原始数据的第一个时间戳2016-03-11 07:37:40：
2016-03-11 07:42:40 24.608
2016-03-11 07:47:40 24.605
2016-03-11 07:52:40 24.59
...
df.resample('5T',how='mean',label='right')
和
df.resample('300S',how='mean',label='right')
结果相同：
2016-03-11 07:40:00 24.618
2016-03-11 07:45:00 24.675
2016-03-11 07:50:00 24.599
...
它计算整个分钟时段。我发现没有选择纠正这个问题。看到“基础”可能是一个选项，但它似乎不是非常直观或很好的编码。
任何帮助将不胜感激。
答案 0 :(得分：1)
检查这个我使用的滚动会滚动到给定的频率并进行数学运算，例如sum，mean等。在这里你需要知道开始和结束日期时间值。
代码：
df.timestamp=pd.to_datetime(df.timestamp)
df.set_index('timestamp',inplace=True)
df = df.rolling('15s').mean()
mask = pd.date_range('2016-03-11 07:37:40','2016-03-11 07:38:05',freq='10S')
df = df.loc[mask]
df
value
2016-03-11 07:37:40 24.601800
2016-03-11 07:37:50 24.602767
2016-03-11 07:38:00 24.598067
在滚动时使用所需的窗口而不是'15s'以及我使用的date_range。让我知道这对你有用。