如何用Pandas的DataFrame.rolling实现无重叠72小时滚动窗口？

可以用DataFrame.rolling实现，不过用resample会更贴合无重叠窗口的需求，两种方案如下：

方法一：用rolling实现（支持无重叠） #

如果你的pandas版本在1.3.0及以上，可直接通过rolling的step参数控制窗口无重叠：

import pandas as pd

# 假设你的DataFrame为df，索引是datetime64类型的小时粒度数据
# 设置72小时窗口，步长72小时（确保窗口间无重叠）
rolling_window = df.rolling(window='72H', step=72, closed='left')

# 若要获取每个窗口剔除NaN后的原始数据，用apply处理
windowed_clean_data = rolling_window.apply(lambda win: win.dropna(), raw=False)

# 若做聚合统计（如均值、求和），聚合函数默认自动跳过NaN，直接调用即可
windowed_mean = rolling_window.mean()

注：closed='left'确保窗口包含起始时间点，可根据需求调整为right或both。

方法二：用resample更高效（推荐） #

无重叠固定时间窗口本质是按周期分块，resample天生适配这类场景，代码更简洁效率更高：

# 按72小时周期分块，获取每个窗口剔除NaN后的数据
resampled_clean = df.resample('72H').apply(lambda group: group.dropna())

# 聚合统计同样自动跳过NaN，比如求均值
resampled_mean = df.resample('72H').mean()

如果你的pandas版本过低不支持rolling的step参数，可手动按索引分组处理：

# 给每条数据标记所属的72小时窗口组
df['window_tag'] = df.index.floor('72H')
# 按窗口组分组后剔除NaN
grouped_clean = df.groupby('window_tag').apply(lambda g: g.dropna())

内容的提问来源于stack exchange，提问作者forestbat