如何高效计算滚动时间窗口内的事件最大发生次数？

现有一张事件表，结构如下：

该表记录不同类型的事件，每条事件包含Type（类型）、Incident ID（事件ID）和Date of incident（事件发生日期）。

针对给定的时间范围（如5天），计算滚动窗口内事件发生次数的最大值。示例：

• 第一个窗口2022-02-12至2022-02-17内事件发生次数为6；
• 窗口滚动一天后，2022-02-13至2022-02-18内事件发生次数为5，此时最大值仍为6；
• 需要遍历完整时间范围得出最终最大值。

如何在百万级数据量下高效实现该需求？具体而言，创建固定时长的滚动日期窗口，统计每个窗口内的事件发生次数，并输出所有窗口中的最大值。

当前使用SQLAlchemy，同时关注Plain SQL实现方案，也考虑是否可通过Pandas实现滚动窗口计算。

test_data_small = {'Id': [1, 2, 3, 4, 5,
                          6, 7, 8, 9, 10,
                          0, 1, 2, 3],
                   'Type': ['A', 'A', 'A', 'A',
                            'A', 'A', 'A', 'A',
                            'A', 'A', 'B', 'B',
                            'B', 'B'],
                   'Date': [
                       '2022-02-12', '2022-02-14',
                       '2022-02-14', '2022-02-14',
                       '2022-02-16', '2022-02-17',
                       '2022-02-19', '2022-02-19',
                       '2022-02-19', '2022-02-19',
                       '2022-02-16', '2022-02-12',
                       '2022-02-12', '2022-02-13']
                   }

incidents = select(
            incidents.c.type,
            incidents.c.id,
            incidents.c.date
        ).subquery()

result = self.connection.execute(incidents).fetchall()

是否可通过Plain SQL实现？或是否应使用Pandas进行滚动窗口计算？

内容的提问来源于stack exchange，提问作者Ipsider