Python中基于Datetime分钟维度的连续Rolling Sum实现

嘿，看你的需求和示例数据，EXPECTED Rolling_X 列其实就是 X 列按时间顺序的累计求和，实现起来很简单，用 pandas 就能快速搞定，具体步骤如下：

1. 先确保数据按时间排序 #

累计求和的结果完全依赖于数据的顺序，所以第一步要把你的 DataFrame 按时间戳（比如dateTime列）升序排列，保证数据是按时间先后顺序来的：

df = df.sort_values(by='dateTime')

2. 计算累计求和生成目标列 #

直接调用 pandas 的cumsum()方法，对X列做累计求和，赋值给Rolling_X列就行：

df['Rolling_X'] = df['X'].cumsum()

验证效果 #

跑上面的代码后，生成的Rolling_X列就和你给出的EXPECTED Rolling_X完全一致了，截取部分示例如下：

补充：如果是分钟组内的独立累计 #

要是你后来需求变了，想要每个分钟分组内单独累计（每个分钟从0开始加），那可以用groupby配合cumsum：

df['Rolling_X_per_min'] = df.groupby('1min')['X'].cumsum()

不过根据你给的示例，这个应该不是你当前需要的，就当给你留个备用方案～

内容的提问来源于stack exchange，提问作者Giladbi