如何使用Python pandas实现5分钟间隔时序数据逐行按小时差值对比

前置预处理 #

首先需要将时间列转换为pandas可识别的 datetime 格式，保证时间计算逻辑正常：

import pandas as pd
df['timestamp'] = pd.to_datetime(df['timestamp'])
df = df.sort_values('timestamp').reset_index(drop=True)

方法1：merge_asof 实现（兼容时间戳有秒级偏差场景） #

该方案适配你提到的「相近时间点匹配」需求，哪怕两个匹配时间点存在秒级漂移也能正确匹配，是适用性最广的方案：

# 生成1小时前的匹配基准时间列
df['match_time'] = df['timestamp'] - pd.Timedelta(hours=1)

# 按最近时间匹配1小时前的温度值
merged = pd.merge_asof(
    df,
    df[['timestamp', 'temp']].rename(columns={'timestamp': 'match_time', 'temp': 'temp_1h_ago'}),
    on='match_time',
    direction='nearest', # 匹配最接近的时间点
    tolerance=pd.Timedelta(minutes=1) # 允许的最大时间偏差，避免匹配到间隔过大的异常点
)

# 计算温度差值，可按需删除辅助列
merged['temp_diff'] = merged['temp'] - merged['temp_1h_ago']
merged = merged.drop(columns=['match_time'])

方法2：shift 实现（仅适用于时间严格5分钟间隔无偏差场景） #

如果你的数据没有采集漂移，每条数据间隔严格为5分钟，直接移动12行（1小时共12个5分钟间隔）即可实现需求，代码更简洁高效：

df = df.set_index('timestamp')
# shift(12)表示将温度列向下偏移12行，对应1小时前同时间间隔的温度值
df['temp_diff'] = df['temp'] - df['temp'].shift(12)

内容的提问来源于stack exchange，提问作者mlmlmlm