我使用pandas.DataFrame.resample将随机事件重新采样到1小时的间隔，并且看到非常随机的结果，如果我将间隔增加到2或4小时，结果似乎不会消失。这让我怀疑Pandas是否有任何类型的方法来生成平滑密度内核，如带有可调整带宽的高斯核密度方法来控制平滑。我在文档中没有看到任何内容，但是我认为在张贴在开发人员列表服务器上之前，我会在这里发帖，因为这是他们的偏好。 Scikit-Learn有precisely the Gaussian kernel density function that I want，所以我会尽量利用它，但这对熊猫来说是一个很棒的补充。pandas.DataFrame.resample的高斯核密度平滑？
任何帮助，非常感谢！
hourly[0][344:468].plot()
我现在已经找到了，这是选项在pandas.stats.moments.ewma和它的作品相当不错。下面是结果：
from pandas.stats.moments import ewma
hourly[0][344:468].plot(style='b')
ewma(hourly[0][344:468], span=35).plot(style='k')
大熊猫拥有一个滚动窗口申请一个聚集的能力。参数控制窗口的形状。可以设置参数center，以便将标签设置在窗口的中心而不是右边缘。做高斯平滑：
hrly = pd.Series(hourly[0][344:468])
smooth = hrly.rolling(window=5, win_type='gaussian', center=True).mean(std=0.5)
http://pandas.pydata.org/pandas-docs/stable/computation.html#rolling
指数加权移动平均是实时（仅向后看）滤波器，并且是不一样的高斯核，这是假想时间（期待和落后）。 – kb0 2017-05-18 20:09:26