Pandas 索引中可变时间间隔的导数
Pandas derivative over variable time intervals in index
我曾经使用这个公式来计算每秒记录的信号的导数，在对它应用滚动平均值之后。
df.rolling(rollingWindow, center=True).mean().diff(rollingWindow).shift(int(-rollingWindow/2)) / (rollingWindow/60)
现在，我想做同样的事情，但基于索引值，它们是时间戳，彼此之间的间隔不固定。
如 DYZ 所述，使用 df.resample()，如果我每 5 秒重新采样一次并计算 5 分钟内的滚动平均值，我将获得以下结果：
rollingWindow = int(5*60/5)
df.resample('5S').pad().rolling('5T', min_periods=10).mean().diff(rollingWindow)/5
我曾经使用这个公式来计算每秒记录的信号的导数，在对它应用滚动平均值之后。
df.rolling(rollingWindow, center=True).mean().diff(rollingWindow).shift(int(-rollingWindow/2)) / (rollingWindow/60)
现在，我想做同样的事情，但基于索引值，它们是时间戳，彼此之间的间隔不固定。
如 DYZ 所述，使用 df.resample()，如果我每 5 秒重新采样一次并计算 5 分钟内的滚动平均值，我将获得以下结果：
rollingWindow = int(5*60/5)
df.resample('5S').pad().rolling('5T', min_periods=10).mean().diff(rollingWindow)/5