Skip to main content
 首页 » 编程设计

python之Pandas之不同时间窗口的移动平均线

2024年12月31日8emanlee

我在 Pandas Dataframe 中有一些数据。我想根据该数据计算移动平均值,包括最多 N 个尾随行和最多 Q 个前导行:

import pandas 
 
my_data = pandas.DataFrame({ 
    'values': [5.0, 4.0, 3.0, 5.0, 5.0, 6.0, 4.0, 6.0, 7.0, 4.0, 5.0, 5.0] 
}) 
 
my_data 
    values 
0      5.0 
1      4.0 
2      3.0 
3      5.0 
4      5.0 
5      6.0 
6      4.0 
7      6.0 
8      7.0 
9      4.0 
10     5.0 
11     5.0 
 
N=2 
Q=3 
 
get_moving_average(my_data, lagging=N, leading=Q) 
    values      mavg 
0        5  4.250000 
1        4  4.400000 
2        3  4.666667 
3        5  4.500000 
4        5  4.833333 
5        6  5.500000 
6        4  5.333333 
7        6  5.333333 
8        7  5.166667 
9        4  5.400000 
10       5  5.250000 
11       5  4.666667 

此处,第 0 行的移动平均值为 4.25 - 单元格 0 的值加上 0 个粗体滞后行(因为没有)和 3 个斜体前导行(单元格 1:3 的值 - 所以 (5.0 + 4.0 + 3.0 + 5.0)/4.0 = 17.0/4.0 = 4.25

第 1 行的移动平均值包括以上所有内容,但也包括粗体尾随行 0(因为我们接受 2 个滞后行,但只存在一个),产生 (5.0 + 4.0 < em>+ 3.0 + 5.0 + 5.0)/5.0 = 22.0/5.0 = 4.4.

等等。但是, Pandas 的 rolling方法只接受一个窗口参数,不允许选择每一侧的大小,并且似乎存在数据不足的问题。

是否有覆盖此内容的滚动替代方案,或者我需要自己滚动?

请您参考如下方法:

如果不进行进一步测试,我不确定这是否适用于所有情况。

让我们发挥创意。在“滚动窗口”中使用 rolling 和 shift 向后移动以获得适当的尾随行数和前导行数。要处理滚动平均值处的 NaN,让我们向后滚动并fillna。

N=2 
Q=3 
T = N+Q+1 
my_data.rolling(T, min_periods=1).mean().shift(-Q)\ 
       .fillna(my_data[::-1].rolling(T, min_periods=Q).mean().shift(-N)[::-1]) 

输出:

      values 
0   4.250000 
1   4.400000 
2   4.666667 
3   4.500000 
4   4.833333 
5   5.500000 
6   5.333333 
7   5.333333 
8   5.166667 
9   5.400000 
10  5.250000 
11  4.666667 

步骤:

在整个时间间隔内进行滚动计算,在您的情况下,将是 N(滞后)+ Q(领先)和总和为总计 (T) 的电流。

my_data.rolling(T, min_periods=1).mean() 

现在,让我们使用 shift 将计算移回原位,使窗口符合预期,N 滞后,Q 领先,所以 shift -Q。

my_data.rolling(T, min_periods=1).mean().shift(-Q) 

输出:

      values 
0   4.250000 
1   4.400000 
2   4.666667 
3   4.500000 
4   4.833333 
5   5.500000 
6   5.333333 
7   5.333333 
8   5.166667 
9        NaN 
10       NaN 
11       NaN 

现在要处理数据帧末尾的那些 NaN 值,我们进行反向滚动计算并使用 fillna 填充原始值。 [::-1] 是一个反转元素,从末尾开始滚动到开始,然后用 [::-1] 再次翻转与原始结果对齐。

my_data[::-1].rolling(T, min_periods=Q).mean().shift(-N)[::-1] 

输出:

      values 
0        NaN 
1        NaN 
2   4.666667 
3   4.500000 
4   4.833333 
5   5.500000 
6   5.333333 
7   5.333333 
8   5.166667 
9   5.400000 
10  5.250000 
11  4.666667 

在第一个系列和第二个系列上使用 fillna 得到:

N=2 
Q=3 
T = N+Q+1 
my_data.rolling(T, min_periods=1).mean().shift(-Q)\ 
       .fillna(my_data[::-1].rolling(T, min_periods=Q).mean().shift(-N)[::-1]) 

输出:

      values 
0   4.250000 
1   4.400000 
2   4.666667 
3   4.500000 
4   4.833333 
5   5.500000 
6   5.333333 
7   5.333333 
8   5.166667 
9   5.400000 
10  5.250000 
11  4.666667