如何在考虑数据周期性边界条件的情况下应用于 python 移动平均

Question

我想在考虑周期性边界条件的情况下执行移动平均。我试着说清楚。

我有这个数据：

Date,Q
1989-01-01 00:00,0
1989-01-02 00:00,1
1989-01-03 00:00,4
1989-01-04 00:00,6
1989-01-05 00:00,8
1989-01-06 00:00,10
1989-01-07 00:00,11

我想考虑 3 个数据计算移动平均值：下一个和上一个。特别是，我想在 "rolling" 函数中使用相同的选项，其中第一个数据（python 框架中的 0）能够考虑最后一个，反之亦然，最后一个第一个.这将使我有一种周期性的边界条件。

确实，我应用了以下内容：首先，我阅读了数据框

df = pd.read_csv(fname, index_col = 0,  parse_dates=True)

然后我将 "rolling" 应用为

df['Q'] = pd.Series(df["Q"].rolling(3, center=True).mean())

但是，我得到以下结果：

Date
1989-01-01     NaN
1989-01-02    1.66
1989-01-03    3.66
1989-01-04    6
1989-01-05    8
1989-01-06    9.66
1989-01-07     NaN

我知道我可以应用 "min_periods=1" 选项，但这不是我想要的。确实，很明显第二行的结果是正确的：

1.66 = (0+1+4)/3

但是，我希望第一行的结果是：

(0+1+11)/3

如您所见，数字 11 是最后一行的值。同样，我希望在最后一行：

(10+11+0)/3

其中 0 是第一行的值。

你有什么建议或想法吗？

谢谢，

迭戈

Answer 1

我只是复制第一个之前和最后一个之后的值，对数据帧进行排序，然后进行滚动平均。那么去掉附加值就够了：

df.loc[df.index[0] - pd.offsets.Day(1), 'Q'] = df.iloc[-1]['Q']
df.loc[df.index[-2] + pd.offsets.Day(1), 'Q'] = df.iloc[0]['Q']
df = df.sort_index()
df['Q'] = pd.Series(df["Q"].rolling(3, center=True).mean())

它给出了预期的结果：

                   Q
Date                
1989-01-01  4.000000
1989-01-02  1.666667
1989-01-03  3.666667
1989-01-04  6.000000
1989-01-05  8.000000
1989-01-06  9.666667
1989-01-07  7.000000

如何在考虑数据周期性边界条件的情况下应用于 python 移动平均

how to apply in python mobile averaging considering periodic boundary conditions in data

python

pandas

moving-average