在时间序列分析中，我们经常遇到这样一个场景：手里有一批高频观测数据，比如传感器每15秒采样一次，同时还有另一份低频参考时间点，比如每5分钟一次的校准时刻。现在需要把这两组数据对齐，并且为每个参考时刻计算其前后各2.5分钟（共5分钟）窗口内的均值——注意，这个窗口必须严格以参考时间为几何中心，而不是左对齐或右对齐。听起来简单，但实际做起来有不少细节需要注意。pandas 提供了两个利器——rolling(..., center=True, on="time") 和 merge_asof()，组合使用就能优雅解决这个问题。
✅ 正确实现步骤
1. 为 df1 构建中心化滚动均值列
先对高频数据 df1 计算每个时间点为中心的5分钟滚动均值。关键参数是 window="300s"（300秒=5分钟）、on="time"（指定时间列）和 center=True（确保窗口以当前行为中点）。注意，这个操作会自动处理边界，但为了不让首尾行因为窗口不完整而变成NaN，可以加上 min_periods=1。代码很直接：
import pandas as pd
# 确保 time 列为 datetime 类型
df1["time"] = pd.to_datetime(df1["time"])
df2["time"] = pd.to_datetime(df2["time"])
# 计算 df1 中每个时间点为中心的 5 分钟滚动均值
df1_rolling = df1.rolling(
window="300s",
on="time",
center=True,
min_periods=1 # 可选：允许边界处少于完整窗口仍计算
).mean().rename(columns={"speed": "speed_a vg"})
# 合并回原 df1（按索引对齐）
df1_with_a vg = df1.join(df1_rolling)
这里有个小陷阱：rolling 返回的结果与输入 df1 索引一致，所以用 join 最安全，千万别用 merge 去对时间，否则容易因为精度问题搞错行。
2. 时间对齐：用 merge_asof 匹配最近邻时间点
接下来，要把 df2 中的每个参考时间点，在 df1_with_a vg 中找到最接近的那一行。pandas 的 merge_asof 就是为此而生的。不过默认的 direction="backward" 只往前找，我们需要的是“最接近”（可前可后），所以推荐用 direction="nearest"（需要 pandas ≥ 1.4.0）。同时加上 tolerance 限制最大偏差，比如15秒，避免匹配到太远的数据：
# 关键：必须按 time 排序！
df1_sorted = df1_with_a vg.sort_values("time")
df2_sorted = df2.sort_values("time")
# 使用 direction="nearest" 实现双向最近匹配
result = pd.merge_asof(
df1_sorted,
df2_sorted.rename(columns={"speed": "speed_df2"}),
on="time",
direction="nearest",
tolerance=pd.Timedelta("15s"), # 允许最大 15 秒偏差
allow_exact_matches=True
)
# 过滤掉未成功匹配的行（speed_df2 为 NaN）
result = result.dropna(subset=["speed_df2"]).reset_index(drop=True)
3. 输出结果解读
最终得到的 result 表格里，你会看到四类关键列：
- time：来自 df1 的实际时间戳（即最接近 df2 参考时刻的那个观测点）；
- speed：df1 原始瞬时值；
- speed_a vg：以该 time 为中心、前后各2.5分钟（共5分钟）窗口内 df1.speed 的均值；
- speed_df2：df2 中对应参考时刻的原始值（可用于后续校准、对比等）。
举个例子：如果 df2 中有一个时刻是 2022-10-04 00:13:24，它匹配到了 df1 的 2022-10-04 00:13:25，那么 speed_a vg = 3.687 就是 00:10:55 至 00:15:55 区间内所有 df1.speed 的平均值。
⚠️ 注意事项与最佳实践
- 时间列必须为 datetime64[ns]：务必调用
pd.to_datetime()显式转换，否则 rolling 的 on 参数会报错； - merge_asof 前必须排序：on 列升序是强制要求，否则结果不可靠；
- 窗口大小单位灵活：
window="300s"也支持"5T"（5分钟）、"300S"等字符串格式，推荐用pd.Timedelta显式声明更清晰； - 边界处理：
min_periods=1防止首尾行因窗口不完整而返回 NaN；若需要严格满窗，可以设min_periods=30（约 5min/15s ≈ 20 个点，按实际频率调整）； - 性能提示：对超大数据集，可先用
df1.set_index("time").sort_index()提升 rolling 效率。
通过以上方法，就能精准实现「以另一数据框时间点为锚，计算高频数据中心化滚动统计」这一典型工业场景需求。整个过程其实就两步：先算中心化滚动均值，再做最近邻匹配，搞定。
