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']
