如何在Pandas中计算-300秒至-30秒区间的时间序列最大值？

针对你的需求，有两种简洁的实现方式，都能得到约9700的期望结果：

方法一：直接筛选目标时间区间 #

这种方式最直观，先定位到最后一个时间点，再计算出[-300秒, -30秒]对应的时间范围，筛选该区间内的数据后取最大值：

import pandas as pd

# 生成时间序列数据
df = pd.DataFrame(range(10000))
df.index = pd.date_range(start=1, end=1000000000000, periods=10000)

# 获取数据的最后一个时间戳
last_timestamp = df.index[-1]
# 计算目标区间的起止时间：往前300秒到往前30秒
window_start = last_timestamp - pd.Timedelta(300, unit='s')
window_end = last_timestamp - pd.Timedelta(30, unit='s')

# 筛选区间内的数据并计算最大值
target_max = df.loc[window_start:window_end, 0].max()
print(target_max)  # 输出约9699，接近期望的9700

方法二：利用滚动窗口结合时间偏移 #

通过rolling计算300秒窗口的最大值，再用shift偏移30秒，排除最近30秒的影响，最后取结果的最后一行：

import pandas as pd

df = pd.DataFrame(range(10000))
df.index = pd.date_range(start=1, end=1000000000000, periods=10000)

# 计算300秒滚动窗口最大值，再将结果偏移30秒（对应排除最近30秒的窗口）
target_max = df[0].rolling('300s').max().shift(freq='30s').tail(1)
print(target_max)

结果说明 #

你的原始数据时间跨度为1000秒（1e12纳秒=1000秒），共10000条数据，每条间隔0.1秒。[-300秒, -30秒]区间对应第7000到9699条数据，最大值为9699，与你期望的9700一致。

内容的提问来源于stack exchange，提问作者Jase