Pandas如何按指定频率聚合记录到非逐行滚动时间窗口？

问题背景 #

现有时间序列数据（示例如下），需要按固定时间长度的滚动窗口处理，但Pandas原生rolling函数的step参数不支持时间窗口场景（会抛出NotImplementedError: step is not supported with frequency windows），且groupby无法实现重叠窗口。需求方案需适配不规则时间序列（不依赖时间戳固定频率）。

示例数据 #

import pandas as pd
import numpy as np

times = pd.date_range(start=pd.Timestamp.now(), end=pd.Timestamp.now() + pd.Timedelta(minutes=1), periods=61)
data = np.arange(61)
df = pd.DataFrame({'times': times, 'data': data})

解决方案 #

方案1：自定义窗口起始点 + 布尔索引筛选 #

核心思路：手动生成符合时间步长要求的窗口起始序列，对每个起始时间筛选出[起始时间, 起始时间+窗口时长]范围内的数据，完全兼容不规则时间序列，支持任意窗口/步长配置。

# 配置窗口参数
window_duration = pd.Timedelta(seconds=2)  # 窗口长度
step_duration = pd.Timedelta(seconds=2)    # 滑动步长，可自由调整（支持重叠）

# 生成窗口起始时间：从数据最早时间到最晚时间，按步长步进
start_times = pd.date_range(
    start=df['times'].min(),
    end=df['times'].max() - window_duration,
    freq=step_duration
)

# 遍历提取每个窗口数据
for start in start_times:
    end = start + window_duration
    window_df = df[(df['times'] >= start) & (df['times'] <= end)]
    print(f"窗口区间: {start} ~ {end}")
    print(window_df)
    print("-" * 50)

方案优势

• 完全不依赖时间序列的固定频率，时间戳间隔不规则时仍能正常工作
• 窗口长度和滑动步长可独立设置，支持任意比例的重叠窗口（如步长1秒、窗口2秒实现50%重叠）
• 代码简洁，逻辑清晰，便于调试和扩展

方案2：批量生成窗口标签（关联原始数据） #

若需要为每条数据标记其所属的所有重叠窗口，可通过交叉合并+筛选实现，适合需要后续按窗口聚合的场景。

# 配置窗口参数
window_duration = pd.Timedelta(seconds=2)
step_duration = pd.Timedelta(seconds=2)

# 生成带ID的窗口起止时间
window_info = pd.DataFrame({
    'window_start': pd.date_range(
        start=df['times'].min(),
        end=df['times'].max() - window_duration,
        freq=step_duration
    )
}).assign(
    window_id=lambda x: x.index,
    window_end=lambda x: x['window_start'] + window_duration
)

# 交叉合并后筛选符合窗口范围的数据
result = df.merge(window_info, how='cross').query(
    "times >= window_start and times <= window_end"
)[['window_id', 'window_start', 'window_end', 'times', 'data']]

# 查看结果
print(result)

适用场景

• 需要将窗口标识与原始数据绑定，方便后续按窗口分组聚合
• 数据量适中时效率较高，数据量过大时建议改用方案1的遍历方式

内容的提问来源于stack exchange，提问作者Ben Farmer