我没有完全理解您的问题，您似乎希望type列是给定值每增加1小时的行数......但如果是这种情况，您希望的输出是不正确的，应该是：

value time_ref              type
1     2023-01-01 00:30:00   1  # <- not 2 here (1 in 0-hr, 1 in 1-hr window)
      2023-01-01 01:00:00   1  # <- same here
2     2023-01-01 00:30:00   1  # rest is ok....
...

如果这是正确的，那么，开始：

df = pd.DataFrame({
    'time_ref': [
        dt.datetime(2023, 1, 1, 0, 30),
        dt.datetime(2023, 1, 1, 0, 30),
        dt.datetime(2023, 1, 1, 1),
        dt.datetime(2023, 1, 1, 2),
        dt.datetime(2023, 1, 1, 2, 15),
        dt.datetime(2023, 1, 1, 2, 16),
        dt.datetime(2023, 1, 1, 4)],
    'value': [1, 2, 1, 10, 10, 10, 10]})

...只需添加一个小时列：

df['hour'] = df.time_ref.dt.hour

并在其上聚集value：

tmp = (
    df.groupby(['value', 'hour'])
    .agg('count')
    .reset_index()
    .rename(columns={'time_ref': 'type'}))

它提供给您：

value   hour type
0   1       0    1
1   1       1    1
2   2       0    1
3   10      2    3
4   10      4    1

...您可以将其连接回原始df：

res = df.merge(tmp, how='left', on=['value', 'hour'])

time_ref                value hour  type
0   2023-01-01 00:30:00     1     0     1
1   2023-01-01 00:30:00     2     0     1
2   2023-01-01 01:00:00     1     1     1
3   2023-01-01 02:00:00     10    2     3
4   2023-01-01 02:15:00     10    2     3
5   2023-01-01 02:16:00     10    2     3
6   2023-01-01 04:00:00     10    4     1

如果这不是你想要的，你可以澄清你的问题。

啊......谢谢你的澄清。我现在明白问题所在了。我试过滚动，但也找不到一种方法让它工作......但这里有一个替代方法：

df = pd.DataFrame({
    'time_ref': [
        dt.datetime(2023, 1, 1, 0, 30),
        dt.datetime(2023, 1, 1, 0, 30),
        dt.datetime(2023, 1, 1, 1),
        dt.datetime(2023, 1, 1, 2),
        dt.datetime(2023, 1, 1, 2, 15),
        dt.datetime(2023, 1, 1, 2, 16),
        dt.datetime(2023, 1, 1, 4)],
    'value': [1, 2, 1, 10, 10, 10, 10]})
df.index = df.time_ref

value_start = df.groupby('value').agg(min)

df['hrs_since_group_start'] = df.apply(
    lambda row: row.time_ref - value_start.loc[row.value, 'time_ref'],
    axis=1
).view(int) / 1_000_000_000 / 60 // 60

（.view(int)将时间增量更改为纳秒。因此/ 1_000_000_000 / 60将其更改为自第一组以来的分钟数，// 60将其更改为自第一组以来的整小时数。）

group_hourly_counts = (
    df.groupby(['value', 'hrs_since_group_start'])
    .agg('count')
    .reset_index()
    .rename(columns={'time_ref': 'type'}))

res = (
    df.merge(
        group_hourly_counts,
        how='left',
        on=['value', 'hrs_since_group_start'])
    .drop(columns='hrs_since_group_start'))

res：

time_ref                value type
0   2023-01-01 00:30:00     1     2
1   2023-01-01 00:30:00     2     1
2   2023-01-01 01:00:00     1     2
3   2023-01-01 02:00:00     10    3
4   2023-01-01 02:15:00     10    3
5   2023-01-01 02:16:00     10    3
6   2023-01-01 04:00:00     10    1

......不过，更熟悉rolling功能的人可能会为您找到更简单的解决方案：）

如果.rolling与count组合不起作用，那么我不认为这是一个真正的“rolling-问题”。您可以尝试以下方法（我认为这与Damians 2. answer类似）：

df = df.assign(
    hours=df["time_ref"].sub(df.groupby("value")["time_ref"].transform("first"))
          .dt.seconds.floordiv(3_600),
    type=lambda df: df.groupby(["value", "hours"]).transform("size")
).drop(columns="hours").set_index(["value", "time_ref"]).sort_index()

样品结果：

type
value time_ref                 
1     2023-01-01 00:30:00     2
      2023-01-01 01:00:00     2
2     2023-01-01 00:30:00     1
10    2023-01-01 02:00:00     3
      2023-01-01 02:15:00     3
      2023-01-01 02:16:00     3
      2023-01-01 04:00:00     1