如何基于另一数据框时间戳中心对齐计算 Pandas 时间序列滑动均值

本文介绍如何利用 pandas.merge_asof 与 DataFrame.rolling(..., center=True) 协同实现：以低频数据框（df2）的时间戳为中心点，在高频数据框（df1）中截取指定时间窗口（如5分钟）并计算滑动均值，最终完成精准时序对齐。

本文介绍如何利用 `pandas.merge_asof` 与 `DataFrame.rolling(..., center=True)` 协同实现：以低频数据框（df2）的时间戳为**中心点**，在高频数据框（df1）中截取指定时间窗口（如5分钟）并计算滑动均值，最终完成精准时序对齐。

在实际时序数据分析中，常需将高频采样数据（如每15秒记录的传感器速度）与低频参考时间点（如每5分钟一次的校准标记或事件触发时刻）对齐，并以这些低频时间点为中心，提取其前后对称时间窗口内的高频数据均值。这不同于简单的时间下采样（如 resample），也不同于左对齐滚动（center=False），而是一种“中心锚定式”滑动聚合。

核心思路分三步：

1. 为 df1 预计算中心对齐的滚动均值：使用 df1.rolling(window="300s", on="time", center=True).mean()，其中 "300s" 表示 ±2.5 分钟（即总宽5分钟），center=True 确保窗口严格以当前行时间戳为中心；
2. 将 df1 的滚动均值合并回原表，便于后续关联；
3. 用 merge_asof 将 df1（含均值）与 df2 按时间对齐，设置合理 tolerance（如 pd.Timedelta(seconds=15)）确保仅匹配最邻近且在容差内的记录，并过滤掉未成功匹配的行。

以下是完整可运行代码示例：

import pandas as pd
import numpy as np

# 确保 time 列为 datetime 类型
df1["time"] = pd.to_datetime(df1["time"])
df2["time"] = pd.to_datetime(df2["time"])

# 步骤1：计算 df1 中以 time 为中心、宽度为5分钟（±2.5min）的 speed 滑动均值
df1_rolling_mean = (
    df1.rolling(window="300s", on="time", center=True)
    .mean()
    .rename(columns={"speed": "speed_avg"})
)

# 步骤2：将滚动均值合并回 df1（按索引对齐）
df1 = df1.join(df1_rolling_mean)

# 步骤3：以 time 为键，用 merge_asof 将 df1 与 df2 对齐（左表为 df1，右表为 df2）
# 注意：merge_asof 要求两表 time 已排序，且默认向后查找（direction="backward" 或 "nearest" 更灵活）
df_merged = pd.merge_asof(
    df1.sort_values("time"),
    df2.sort_values("time").rename(columns={"speed": "speed_df2"}),
    on="time",
    tolerance=pd.Timedelta("15s"),
    direction="nearest",  # 关键！确保匹配最近的时间点（而非仅向前/向后）
    allow_exact_matches=True
)

# 步骤4：过滤出成功匹配的行（即 df2 中存在对应时间点的记录）
result = df_merged.dropna(subset=["speed_df2"]).copy()
result = result[["time", "speed", "speed_avg", "speed_df2"]].reset_index(drop=True)

✅ 关键注意事项：

• rolling(..., center=True) 要求 on="time" 且 time 必须是单调递增的 datetime64 类型，否则会报错或结果异常；务必提前调用 sort_values("time") 并重置索引（若原始索引无序）；
• merge_asof 默认 direction="backward"（找 ≤ 当前时间的最大值），但本场景需最邻近匹配，因此显式指定 direction="nearest" 更鲁棒；
• tolerance 应略大于 df1 的最大采样间隔（如15秒），避免因微小时间偏移导致匹配失败；
• 若 df1 时间范围不足以覆盖 df2 某一时间点 ±2.5 分钟，则该行 speed_avg 将为 NaN —— 这是预期行为，表明窗口数据不完整，建议后续检查或填充策略（如 min_periods=1 控制最小有效点数）。

最终输出结构清晰：每行对应 df2 中一个时间点，包含其在 df1 中最邻近采样时刻的原始值、5分钟中心滚动均值，以及原始 df2 的参考值，为跨频率时序建模、偏差分析或特征工程提供可靠基础。