Pandas 的滚动平均值
Rolling Average in Pandas
我有一个包含 2 列的数据框 - 日期和价格。数据按最新日期排序（第一行为 1 月 23 日，第二行为 1 月 22 日，依此类推）。
Date Price
23 Jan 100
22 Jan 95
21 Jan 90
.
.
.
我想计算这个时间序列数据的 2 天滚动平均价格。我正在使用这个：
df.rolling(2).mean()
它所做的是，它将 NaN 分配给第一行（1 月 23 日），然后在第二行给出输出作为 1 月 23 日和 1 月 22 日的价格平均值。这对于 1 月 22 日的平均值没有用正在使用远期数据（1 月 23 日的价格）。我需要的是 1 月 23 日的移动平均值是 1 月 23 日和 1 月 22 日的平均值。这样 MA 的最后一个值将是 NaN 而不是第一个值。
我不想做的是先对这些数据进行排序，先计算再求助。
我对 pct_change() 也有同样的问题。然而，pct_change(-1) 解决了这个问题。但是滚动不接受负值作为输入。请建议解决此问题的方法。谢谢
由于您不想排序，这里有一个解决方法。您可以反转数据框，采用滚动平均值，然后再次反转它。
df[::-1].rolling(window=2).mean()[::-1]
输出：
Price
23 Jan 97.5
22 Jan 92.5
21 Jan NaN
我有一个包含 2 列的数据框 - 日期和价格。数据按最新日期排序（第一行为 1 月 23 日，第二行为 1 月 22 日，依此类推）。
Date Price
23 Jan 100
22 Jan 95
21 Jan 90
.
.
.
我想计算这个时间序列数据的 2 天滚动平均价格。我正在使用这个：
df.rolling(2).mean()
它所做的是，它将 NaN 分配给第一行（1 月 23 日），然后在第二行给出输出作为 1 月 23 日和 1 月 22 日的价格平均值。这对于 1 月 22 日的平均值没有用正在使用远期数据（1 月 23 日的价格）。我需要的是 1 月 23 日的移动平均值是 1 月 23 日和 1 月 22 日的平均值。这样 MA 的最后一个值将是 NaN 而不是第一个值。
我不想做的是先对这些数据进行排序，先计算再求助。
我对 pct_change() 也有同样的问题。然而，pct_change(-1) 解决了这个问题。但是滚动不接受负值作为输入。请建议解决此问题的方法。谢谢
由于您不想排序，这里有一个解决方法。您可以反转数据框，采用滚动平均值，然后再次反转它。
df[::-1].rolling(window=2).mean()[::-1]
输出：
Price
23 Jan 97.5
22 Jan 92.5
21 Jan NaN