Python：每秒捕获流数据、每5分钟打印ltt列均值的实现问题求助

问题分析 #

当前代码在strategy1每秒被调用时都会执行打印操作，且每次基于全量历史数据计算分组均值，既不符合“每5分钟打印一次”的需求，也存在效率浪费。

修改后的代码 #

import pandas as pd
from datetime import timedelta

# 全局变量：存储未处理的最新记录，以及上次打印的5分钟窗口起始时间
datalist = []
last_print_time = None

def strategy1(record):
    global datalist, last_print_time
    
    # 解析当前记录的时间并替换原字段，避免后续重复解析
    current_ltt = pd.to_datetime(record['ltt'], format="%a %b %d %H:%M:%S %Y")
    record['ltt'] = current_ltt
    datalist.append(record)
    
    # 初始化上次打印时间为第一条记录对应的5分钟整点
    if last_print_time is None:
        last_print_time = current_ltt.floor('5min')
    
    # 检查是否到达下一个5分钟打印节点
    if current_ltt >= last_print_time + timedelta(minutes=5):
        # 筛选当前5分钟窗口内的记录
        df = pd.DataFrame(datalist)
        window_df = df[(df['ltt'] >= last_print_time) & (df['ltt'] < last_print_time + timedelta(minutes=5))]
        
        if not window_df.empty:
            # 计算并打印该窗口的均值
            mean_result = window_df.groupby(pd.Grouper(key='ltt', freq='5min')).mean()
            print(f"=== {last_print_time.strftime('%Y-%m-%d %H:%M')} 至 {(last_print_time + timedelta(minutes=5)).strftime('%Y-%m-%d %H:%M')} 的均值 ===")
            print(mean_result)
        
        # 更新打印时间到下一个5分钟节点
        last_print_time += timedelta(minutes=5)
        
        # 清理列表，仅保留未进入下一个打印窗口的新记录
        datalist = [item for item in datalist if item['ltt'] >= last_print_time]

关键改动说明 #

• 打印时机控制：通过last_print_time跟踪上次打印的5分钟窗口起始点，仅当当前记录时间到达下一个5分钟节点时才触发打印。
• 减少重复解析：每条记录仅解析一次ltt时间，避免重复转换带来的性能损耗。
• 精准数据计算：打印时仅处理当前5分钟窗口内的数据，而非全量历史数据，提升计算效率。
• 内存占用优化：打印后清理过期记录，避免datalist无限增长占用内存。
• 时间边界规整：初始化时将last_print_time对齐到最近的5分钟整点，确保打印窗口的时间边界统一（如00分、05分、10分等）。

内容的提问来源于stack exchange，提问作者vrreddy1234