下面是我的数据的一个小样本。我在某些时间有一些值，标记为 A，我想将其与特定时间的价格相关联，标记为 B。
每个 A 值都考虑到相应时间的间隔。值 0.054873437864689699 是从午夜到 651.0 分钟（或上午 10:51）。值 0.055546509015723597 是从 651.0 到 653.0 分钟（或 10:51am 到 10:53am）等等。
每个 B 值都是在相应时间精确到毫秒的价格。我可以简单地在一个区间内平均价格，以将时间与 A 值匹配。
我在 Pandas 文档中找到了“rolling_corr_pairwise”。我对 Pandas 完全陌生，需要一个超级简化的分步说明来说明如何实现这一点。制作 DataFrame 对我来说也是新事物。我想在例如 50 分钟的窗口中查找并绘制 A 和 B 值与时间的滚动相关性。我意识到列出时间的方式（从午夜开始的分钟数）很糟糕，所以感谢您对我的包容。
要关联的 A 值
[0.054873437864689699, 0.055546509015723597, 0.056806870789744064, 0.05656315835834981, 0.056307375921714732, 0.056614971519205935, 0.058407075702340799, 0.058483089024092987, 0.059124318881877719, 0.057917622539541552, 0.058499741855677162, 0.059480023024158751, 0.059925414031410718, 0.059699384112206717, 0.059783470585893353, 0.058500193498812712, 0.056660594185120206, 0.057215267146834899, 0.054616609322569204, 0.053707026223574213, 0.053727363037656489, 0.052396419451433848, 0.051417634891722949, 0.050305835255857634, 0.050611614412277413 , 0.050005571241158321, 0.051123891272704211, 0.049674112051554621, 0.049446781886845974, 0.047887309892200268]
A-自午夜以来的分钟数
[651.0，653.0，656.0，657.0，658.0，661.0，661.0，663.0，665.0，666.0，668.0，668.0，671.0，671.0，673.0，674.0，674.0 , 693.0, 696.0, 700.0, 701.0, 704.0]
B-价格，与 A 相关
[116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.32, 116.32, 116.32, 116.32, 116.32, 116.32, 116.33, 116.33, 116.33, 116.33 , 116.33, 116.33, 116.3201, 116.33, 116.33, 116.33, 116.3201, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33, 116.33 ]
B-从价格午夜开始的分钟数，其中 1 毫秒 = 分钟/60000
[629.5010833333333, 629.5010833333333, 629.5013166666666, 629.5013166666666, 629.5013166666666, 629.5018166666666, 629.5047, 629.507, 629.5070666666667, 629.5071166666667, 629.508, 629.508, 629.508, 629.508, 629.508, 629.5080333333333, 629.5080666666667, 629.5080666666667, 629.5080666666667, 629.5080666666667, 629.5080666666667, 629.5081, 629.5081833333334, 629.5081833333334, 629.5082166666666 , 629.50865, 629.50865, 629.5087166666667, 629.5093166666667, 629.5098333333333, 629.5195, 629.5197, 629.5240166666666, 629.5316333333333, 629.5316666666666, 629.5316666666666, 629.5316666666666, 629.5316666666666, 629.5316666666666, 629.5316666666666, 629.5317666666666, 629.5317666666666, 629.5317666666666, 629.5317666666666, 629.5317666666666, 629.5317666666666, 629.5320333333333, 629.5325, 629.5325333333333, 629.5365833333333 ]