过去五分钟的pandas滚动总和

过去五分钟的pandas滚动总和

通常，如果日期是完全任意的，我认为您将不得不

for-loop

在行上使用Python或[使用

df.apply

，（实际上，它也使用Python循环。）

但是，如果您的日期（如上面的情况）共享一个公共频率，那么有一个比使用

df.apply

以下方法要快得多的技巧：根据公共频率扩展时间序列-
在这种情况下为1分钟-填写NaN为零，然后调用

rolling_sum

：

In [279]: pd.rolling_sum(df.set_index(['Date']).asfreq('1T').fillna(0), window=5, min_periods=1).reindex(df['Date'])Out[279]: ADate        2014-11-21 11:00:00   12014-11-21 11:03:00   52014-11-21 11:04:00   62014-11-21 11:05:00   72014-11-21 11:07:00  112014-11-21 11:08:00   82014-11-21 11:12:00   22014-11-21 11:13:00   3

当然，如果您愿意接受足够小的粒度，则任何时间序列都具有相同的频率，但是所需的大小

df.asfreq(...)

可能会使此技巧不切实际。

---

这是使用的更通用方法的示例

df.apply

。请注意，调用

searchsorted

依赖

df['Date']

于排序顺序。

import numpy as npimport pandas as pddf = pd.read_csv('data', parse_dates=[0], sep=',s*')start_dates = df['Date'] - pd.Timedelta(minutes=5)df['start_index'] = df['Date'].values.searchsorted(start_dates, side='right')df['end_index'] = np.arange(len(df))def sum_window(row):    return df['A'].iloc[row['start_index']:row['end_index']+1].sum()df['rolling_sum'] = df.apply(sum_window, axis=1)print(df[['Date', 'A', 'rolling_sum']])

产量

      Date  A  rolling_sum0 2014-11-21 11:00:00  1 11 2014-11-21 11:03:00  4 52 2014-11-21 11:04:00  1 63 2014-11-21 11:05:00  2 74 2014-11-21 11:07:00  4115 2014-11-21 11:08:00  1 86 2014-11-21 11:12:00  1 27 2014-11-21 11:13:00  2 3

---

这是一个比较

df.asfreq

技巧和调用的基准

df.apply

：

import numpy as npimport pandas as pddf = pd.read_csv('data', parse_dates=[0], sep=',s*')def big_df(df):    df = df.copy()    for i in range(7):        dates = df['Date'] + pd.Timedelta(df.iloc[-1]['Date']-df.iloc[0]['Date']) + pd.Timedelta('1 minute')        df2 = pd.Dataframe({'Date': dates, 'A': df['A']})        df = pd.concat([df, df2])    df = df.reset_index(drop=True)    return dfdef using_apply():    start_dates = df['Date'] - pd.Timedelta(minutes=5)    df['start_index'] = df['Date'].values.searchsorted(start_dates, side='right')    df['end_index'] = np.arange(len(df))    def sum_window(row):        return df['A'].iloc[row['start_index']:row['end_index']+1].sum()    df['rolling_sum'] = df.apply(sum_window, axis=1)    return df[['Date', 'rolling_sum']]def using_asfreq():    result = (pd.rolling_sum(        df.set_index(['Date']).asfreq('1T').fillna(0),         window=5, min_periods=1).reindex(df['Date']))    return result

---

In [364]: df = big_df(df)In [367]: %timeit using_asfreq()1000 loops, best of 3: 1.21 ms per loopIn [368]: %timeit using_apply()1 loops, best of 3: 208 ms per loop