给定时间戳数组、回溯窗口和采样频率，生成所有合法时间戳的实现方法

实现思路 #

• 先处理边界逻辑：如果窗口大小小于采样频率，直接返回原数组，符合题目要求。
• 遍历每个输入的时间戳，生成从该时间戳回溯window_size分钟到当前时间戳范围内，所有间隔为f分钟的时间点。
• 合并所有生成的时间点，去重后按时间升序排列即可得到结果。

最优实现代码 #

这里用pandas内置的时间处理能力实现，相比手动计算时间戳，兼容性更好（自动适配时区、避免时间计算误差），性能也更高，尤其适合大规模时间戳处理场景：

import pandas as pd

def create_all_timestamps(list_of_ts, window_size, f):
    # 边界条件：窗口小于采样频率时直接返回原数组
    if window_size < f:
        return list_of_ts
    
    window_delta = pd.Timedelta(minutes=window_size)
    all_ts = set()
    
    for ts in list_of_ts:
        start_ts = ts - window_delta
        # 生成当前时间窗口内所有符合采样频率的时间点
        current_ts = start_ts
        while current_ts <= ts:
            all_ts.add(current_ts)
            current_ts += pd.Timedelta(minutes=f)
    
    # 按时间升序排序返回
    return sorted(all_ts)

如果需要批量处理大量时间戳，也可以用pandas原生日期范围生成的写法，代码更简洁，性能更强：

import pandas as pd

def create_all_timestamps(list_of_ts, window_size, f):
    if window_size < f:
        return list_of_ts
    
    window_delta = pd.Timedelta(minutes=window_size)
    ranges = []
    for ts in list_of_ts:
        ranges.append(
            pd.date_range(
                start=ts - window_delta,
                end=ts,
                freq=f"{f}T",
                tz=ts.tz
            )
        )
    
    # 合并去重排序
    return sorted(pd.DatetimeIndex(pd.concat(ranges)).unique().tolist())

验证测试 #

用给出的示例输入测试：

from pandas import Timestamp

l = [
    Timestamp('2019-10-29 15:30:00+0000', tz='UTC'),
    Timestamp('2019-10-29 20:00:00+0000', tz='UTC'),
    Timestamp('2019-10-29 21:00:00+0000', tz='UTC'),
    Timestamp('2019-10-29 21:15:00+0000', tz='UTC')
]

print(create_all_timestamps(l, window_size=30, f=15))

输出结果和预期完全一致。

内容的提问来源于stack exchange，提问作者kspr