pandas DatetimeIndex下滚动idxmax计算与最大值标记方法

偏移本质是rolling参数用法错误：

• 传整数window=60时，pandas按60行观测值划分窗口，必须凑够60行数据才会返回计算结果，前59行全部返回空值，视觉上就会出现整段曲线延迟60分钟的效果。
• 整数窗口完全不识别DatetimeIndex的时间语义，哪怕数据是固定1分钟采样，一旦存在缺行、时间点不连续的情况，窗口实际覆盖的时间跨度会完全不符合预期。

直接给rolling传入时间偏移字符串作为窗口参数，pandas会自动适配DatetimeIndex按时间跨度划分窗口，不需要新增数值索引列，不需要手写循环遍历滑窗做计算，底层是C优化实现，大数据量下性能和整数窗口完全一致。
修正后的可运行代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

np.random.seed(0)
dtidx = pd.date_range(start='6/1/2022', end='6/2/2022', freq='min')
df = pd.DataFrame(
    np.cumsum(np.random.randn(len(dtidx))),
    index=dtidx,
    columns=['value']
)

ax = df.plot(figsize=(20, 4), label='原始序列')
# 核心修改：窗口用时间偏移'60min'替代整数60
window = '60min'
roll_max = df.rolling(window).max()
roll_max.plot(ax=ax, label='60分钟滑动窗口最大值')

# 计算每个窗口最大值对应的时间点
roll_max_time = df.rolling(window).apply(lambda x: x.idxmax())
# 标记最大值点，每小时标一个避免点过密影响观感
for ts in roll_max_time.dropna().iloc[::60, 0]:
    ax.scatter(ts, df.loc[ts, 'value'], c='red', s=60, zorder=6)

ax.legend()
plt.show()

• 时间窗口默认采用closed='right'规则，窗口区间为(当前时间-60分钟, 当前时间]，从第一个时间点开始就有计算结果，不会出现整数窗口前59个空值导致的偏移问题。
• 如果需要调整窗口对齐方式，可修改closed（控制窗口端点是否包含）、center（设置为True时窗口以当前时间点为中心）参数适配需求。
• 该写法对非固定采样频率、存在缺失时间点的DatetimeIndex数据集同样有效，窗口时间跨度始终准确。

内容的提问来源于stack exchange，提问作者Saeed