如何用Pandas/Python获取指定时间窗口内价格列的最小值

嘿，我完全懂你的困扰——你想根据datetime列设定的窗口大小（1/2/3等），算出对应窗口内价格列的最小值，但之前的尝试要么只拿到了窗口最后一行的价格，要么直接返回了整列的最小值，没得到你想要的窗口内结果对吧？

先给你一个清晰的解决方案，用Python的pandas来实现，这是处理这类时间序列窗口计算最常用的工具：

步骤1：准备示例数据 #

首先我们先构造和你需求匹配的示例数据（你可以替换成自己的真实数据）：

import pandas as pd

# 模拟你的数据结构
data = {
    'datetime': ['08:03:00', '08:04:00', '08:05:00', '08:06:00', '08:07:00'],
    'price': [15, 12, 18, 14, 10]
}
df = pd.DataFrame(data)
# 把datetime列转换成时间格式，确保后续窗口计算的正确性
df['datetime'] = pd.to_datetime(df['datetime'])

步骤2：计算滑动窗口最小值 #

核心就是用rolling()方法指定窗口大小，然后调用.min()来计算窗口内的最小值：

# 设定你需要的窗口大小，比如3
window_size = 3

# 新增一列存储窗口内的价格最小值
# min_periods=1 表示即使窗口未满（比如前2行窗口大小不够3），也计算已有行的最小值
# 如果你只想要窗口完全填满时的结果，可以去掉min_periods参数
df['window_min_price'] = df['price'].rolling(window=window_size, min_periods=1).min()

结果验证 #

运行上面的代码后，你会得到这样的结果：

为什么之前的方法不对？ #

• 如果你的代码返回了窗口最后一行的价格，大概率是用了.last()而不是.min()；
• 如果返回了整列最小值，那是直接调用了df['price'].min()，没有结合rolling()窗口来限定计算范围。

如果你的datetime列是DataFrame的索引，代码逻辑也是一样的，只需要把df['price']换成对应的列名即可。

内容的提问来源于stack exchange，提问作者Giladbi