Python - 时间加权平均熊猫，按时间间隔分组

Question

我有熊猫数据框中的时间序列。时间戳可能不均匀（每1-5分钟一次），但每隔5分钟总会有一次（分钟以0,5,10,15,20,25,30,35,40,45,50结尾的时间戳，55）。

例子：

2017-01-01 2:05:00 32.90 
2017-01-01 2:07:30 29.83 
2017-01-01 2:10:00 45.76 
2017-01-01 2:15:00 16.22 
2017-01-01 2:20:00 17.33 
2017-01-01 2:25:00 23.40 
2017-01-01 2:28:45 150.12 
2017-01-01 2:30:00 100.29 
2017-01-01 2:35:00 38.45 
2017-01-01 2:40:00 67.12 
2017-01-01 2:45:00 20.00 
2017-01-01 2:50:00 58.41 
2017-01-01 2:55:00 58.32 
2017-01-01 3:00:00 59.89 

我想15分钟块的时间加权平均值。具有时间戳直接是在15分钟标记（时间戳与结束0,15,30,45分钟）结束的时间间隔中的行，所以分组如下：

Group 1 (interval 2017-01-01 2:00:00): 
    2017-01-01 2:05:00 32.90 
    2017-01-01 2:07:30 29.83 
    2017-01-01 2:10:00 45.76 
    2017-01-01 2:15:00 16.22 

Group 2 (interval 2017-01-01 2:15:00): 
    2017-01-01 2:20:00 17.33 
    2017-01-01 2:25:00 23.40 
    2017-01-01 2:28:45 150.12 
    2017-01-01 2:30:00 100.29 

Group 3 (interval 2017-01-01 2:30:00): 
    2017-01-01 2:35:00 38.45 
    2017-01-01 2:40:00 67.12 
    2017-01-01 2:45:00 20.00 

Group 4 (interval 2017-01-01 2:45:00): 
    2017-01-01 2:50:00 58.41 
    2017-01-01 2:55:00 58.32 
    2017-01-01 3:00:00 59.89 

平均必须是时间加权，所以不仅仅是一个组中所有值的标准平均值。

例如，组2的时间加权平均值不是72.785，这是所有4个值的常规平均值。相反，它应该是：

(5 minutes/15 minutes) * 17.33 = 5.776667  ==> The 5 minutes is taken from the difference between this timestamp and the previous timestamp 
+(5 minutes/15 minutes) * 23.40 = 7.8 
+(3.75 minutes/15 minutes) * 150.12 = 37.53 
+(1.25 minutes/15 minutes) * 100.29 = 8.3575 

= **59.46417** 

而且理想情况下，15分钟参数，因为这可能会在未来的60分钟（每小时）改变，但我不认为这是一个问题在这里。

此外，性能在此非常重要。由于我的数据集将有大约10k行，因此逐个遍历每条记录会非常缓慢。

我试过寻找熊猫的df.rolling（）函数，但无法弄清楚如何将它直接应用到我的特定场景。

非常感谢您的帮助！

更新1：

继西蒙的辉煌的解决方案，我修改了它一点点。

我做了一些调整，它以使其适应我的具体情况：

def func(df): 
    if df.size == 0: return 
    timestep = 15*60 
    indexes = df.index - (df.index[-1] - pd.Timedelta(seconds=timestep)) 
    seconds = indexes.seconds 
    weight = [seconds[n]/timestep if n == 0 else (seconds[n] - seconds[n - 1])/timestep 
      for n, k in enumerate(seconds)] 
    return np.sum(weight*df.values) 

这是为了应付可能是空的，每隔15分钟（中缺少DB行）

Answer 1

这一次是棘手。我希望看到另一位评论者更有效地做到这一点，因为我有预感，有更好的方法来做到这一点。

我也跳过了一个部分，它参数化了15分钟的值，但我指出你可以在评论中做到这一点。这留给读者一个练习：D它应该被参数化，因为它现在有很多随机的'* 15'和'* 60'值散布在这个地方，看起来很笨拙。

我也很累，我的妻子想看电影，所以我没有清理我的代码。这有点混乱，应该写得更清洁 - 这可能或不值得做，取决于其他人是否可以在6行代码中重做这些。如果明天早上它还没有回答，我会回过头来，做得更好。

更新更好的解决方案1 ​​

def func(df): 
    timestep = 15*60 
    seconds = (df.index.minute*60+df.index.second)-timestep 
    weight = [k/timestep if n == 0 else (seconds[n] - seconds[n - 1])/timestep 
       for n, k in enumerate(seconds)] 
    return np.sum(weight*df.values) 

df.resample('15min', closed='right').apply(func)