Skip to main content
 首页 » 编程设计

python之Pandas 滚动加权平均值

2025年01月19日14oomusou

我想将加权滚动平均值应用于大型时间序列,设置为 pandas 数据框,其中每天的权重都不同。这是数据框的一个子集

东风:

Date        v_std  vertical                   
2010-10-01  1.909   545.231 
2010-10-02  1.890   538.610 
2010-10-03  1.887   542.759 
2010-10-04  1.942   545.221 
2010-10-05  1.847   536.832 
2010-10-06  1.884   538.858 
2010-10-07  1.864   538.017 
2010-10-08  1.833   540.737 
2010-10-09  1.847   537.906 
2010-10-10  1.881   538.210 
2010-10-11  1.868   544.238 
2010-10-12  1.856   534.878 

我想使用 v_std 作为权重对垂直列进行滚动平均。我一直在使用加权平均函数:

def wavg(group, avg_name, weight_name): 
    d = group[avg_name] 
    w = group[weight_name] 
    try: 
        return (d * w).sum() / w.sum() 
    except ZeroDivisionError: 
        return d.mean() 

但我不知道如何为滚动加权平均值实现这一点。我认为它类似于

df.rolling(window = 7).apply(wavg, "vertical", "v_std") 

或者利用 rolling_apply?还是我必须一起编写一个新函数? 谢谢!

请您参考如下方法:

这是我的滚动加权平均解决方案,使用 pandas _Rolling_and_Expanding:

首先,我为乘法添加了新列:

df['mul'] = df['value'] * df['weight'] 

然后写下你想应用的函数:

from pandas.core.window.rolling import _Rolling_and_Expanding 
def weighted_average(x): 
    d = [] 
    d.append(x['mul'].sum()/x['weight'].sum()) 
    return pd.Series(d, index=['wavg']) 
 
_Rolling_and_Expanding.weighted_average = weighted_average 

通过以下行应用函数:

result = mean_per_group.rolling(window=7).weighted_average() 

然后您可以通过以下方式获取您想要的系列:

result['wavg']