计算每个股价随时间的滚动指数加权移动平均值
Calculating the rolling exponential weighted moving average for each share price over time
这个问题和我之前的问题很相似：
我有一个包含 2 列和 1 个索引的数据框 (df)。
索引是日期时间索引，格式为 2001-01-30 .... 等，索引按日期排序，有数千个相同的日期（并且是每月日期）。 A 列是公司名称（对应于日期），B 列是 A 列中公司名称在指数中的日期的股价。
现在每个日期的 A 列中都有多家公司，而且公司确实会随时间变化（因此数据无法完全预测）。
我想创建一个 C 列，其中包含特定公司价格的 3 天滚动指数加权平均值，使用 A 列中特定公司的当前日期和之前 2 个日期。
我试过几种方法都失败了。谢谢
尝试：
df.groupby('ColumnA', as_index=False).apply(lambda g: g.ColumnB.ewm(3).mean())
这个问题和我之前的问题很相似：
我有一个包含 2 列和 1 个索引的数据框 (df)。
索引是日期时间索引，格式为 2001-01-30 .... 等，索引按日期排序，有数千个相同的日期（并且是每月日期）。 A 列是公司名称（对应于日期），B 列是 A 列中公司名称在指数中的日期的股价。
现在每个日期的 A 列中都有多家公司，而且公司确实会随时间变化（因此数据无法完全预测）。
我想创建一个 C 列，其中包含特定公司价格的 3 天滚动指数加权平均值，使用 A 列中特定公司的当前日期和之前 2 个日期。
我试过几种方法都失败了。谢谢
尝试：
df.groupby('ColumnA', as_index=False).apply(lambda g: g.ColumnB.ewm(3).mean())