基于时间索引的2分钟窗口计算功率平均值（非滚动平均）

要实现非滚动的2分钟时间窗口功率平均值（即每2分钟一个独立区间，计算区间内的均值，而非滑动窗口的滚动平均），直接用Pandas的resample方法即可，这是处理时间序列聚合的标准方式，完全匹配你的需求。

核心代码示例 #

假设你的DataFrame pwr 已经将时间列t设为索引，且索引为datetime类型：

# 按2分钟区间聚合，计算每个区间的功率平均值
pwr_2min_avg = pwr.resample('2T')['power'].mean().reset_index()

扩展：同时处理多字段 #

如果需要同时计算cadence的均值（或其他统计量，比如最大值、最小值），可以用agg方法指定每个字段的聚合规则：

# 多字段聚合：计算功率均值、踏频均值
pwr_2min_stats = pwr.resample('2T').agg(
    average_power=('power', 'mean'),
    average_cadence=('cadence', 'mean')
).reset_index()

关键细节说明 #

• resample('2T')：'2T'是时间频率缩写，代表2分钟（T对应分钟，H对应小时，S对应秒）。该方法会将时间序列划分为连续且不重叠的2分钟区间，完全区别于滚动平均的滑动窗口逻辑，能大幅减少输出数据点。
• 索引类型检查：如果你的时间索引不是datetime类型，先执行转换：

  pwr.index = pd.to_datetime(pwr.index)
  

• 处理不完整区间：如果首尾区间不足2分钟，默认会保留并计算均值。若要丢弃这些不完整区间，可添加参数并过滤空值：

  # 丢弃不足2分钟的区间，用右侧时间作为区间标签
  pwr_2min_avg = pwr.resample('2T', closed='right', label='right')['power'].mean().dropna()
  

内容的提问来源于stack exchange，提问作者Hansson