如何筛选Pandas时间序列中最后n秒的数据子集？

这个需求其实挺容易实现的，核心思路就是先找到序列的最后一个时间点，再算出往前推n秒的时间阈值，最后用布尔索引筛选出符合条件的数据。我拿你给的示例数据来一步步演示：

首先，先把你给出的时间序列定义好：

import pandas as pd

time_series = pd.Series(
    data=[3,4,5],
    index=pd.DatetimeIndex(['2020-07-07 00:06:00.283', '2020-07-07 00:06:02.542', '2020-07-07 00:06:02.829']),
    name='I'
)

接下来实现筛选逻辑，这里以n=1秒为例：

# 1. 获取序列的最后一个时间戳
last_timestamp = time_series.index[-1]

# 2. 计算时间阈值：最后一个时间点往前推1秒
cutoff_time = last_timestamp - pd.Timedelta(seconds=1)

# 3. 筛选出索引大于等于阈值的子集
last_1s_subset = time_series[time_series.index >= cutoff_time]

print(last_1s_subset)

运行这段代码后，输出结果会是：

2020-07-07 00:06:02.542    4
2020-07-07 00:06:02.829    5
Name: I, dtype: int64

补充说明： #

• 这个逻辑不管你的时间序列索引是不是严格递增都能生效，因为我们始终以最后一个数据点为基准往前推时间。
• 如果想要调整n的数值，只需要修改pd.Timedelta(seconds=n)里的n就行，比如要取最后3秒就改成seconds=3。
• 如果所有数据都在最后n秒范围内，会返回整个序列；如果没有数据符合条件，会返回一个空的Series，完全不需要额外处理边界情况。

内容的提问来源于stack exchange，提问作者thinwybk