我是这么看的：

IObservable<Timestamped<double>> estimatedCompletion =
    progressObservable
        .Timestamp()
        .Buffer(2, 1)
        .Where(x => x.Count() == 2)
        .Scan((a, b) => a.Take(1).Concat(b).Take(1).Concat(b.Skip(1)).ToList())
        .Select(x => new
        {
            current = x[1].Value,
            delta = x[1].Timestamp.Subtract(x[0].Timestamp),
        })
        .Select(x => new
        {
            x.current,
            rate = x.current / x.delta.TotalSeconds,
        })
        .Select(x => new
        {
            x.current,
            estimated = DateTimeOffset.Now.AddSeconds((1.0 - x.current) / x.rate),
        })
        .Select(x => new Timestamped<double>(x.current, x.estimated));

这产生IObservable<Timestamped<double>>，其中时间戳是可观测量将到达1.0（或100%）的估计DateTimeOffset。
关键是，它使用.Buffer(2, 1).Where(x => x.Count() == 2)来生成成对的值，因为可观察值生成值，然后它使用看似复杂的.Scan((a, b) => a.Take(1).Concat(b).Take(1).Concat(b.Skip(1)).ToList())来始终生成第一个值与最新值的对。
然后，它只是简单地在一系列步骤中进行估计计算。
因为原始序列从0.0到1.0，这将最准确地反映最终时间，这只是一个估计，但如果到达那里的步骤相当一致，那么这将相当准确。
您可以使用以下代码进行测试：

var rnd = new Random();
var progressObservable = Observable.Generate(0, x => x <= 100, x => x + 1, x => x / 100.0, x => TimeSpan.FromSeconds(rnd.NextDouble()));

它可能看起来像这样：

var secondsRemaining = progressObservable
    .Timestamp()
    .Buffer(5, 1)
    .Select(l => ((l[4].Timestamp - l[0].Timestamp).TotalMilliseconds / (l[4].Value - l[0].Value)) * (100 - l[4].Value))
    .Select(msRemaining => msRemaining / 1000);

• • 说明：**

对于每个进度更新，

• .Buffer(5, 1)发布最近5次进度更新的列表。
• .Timestamp()将时间戳钉在每个标签上。
• 第一个Select运算符计算最远的时间戳和最近的时间戳之间的毫秒数，除以已完成的进度，然后乘以剩余进度，输出剩余的毫秒数。
• 最后一个Select除以1000，得到剩余秒数。