我们如何使用 python 拒绝滚动平均期间包含异常值的 window？
How can we reject a window containing an outlier during rolling average using python?
我面临的问题是，在使用 python pandas?
澄清一下：
df = df['speed'].rolling(10).mean()
outlier_lower_bound = 0
outlier_upper_bound = 15
df.max()
现在如何拒绝/不考虑这 10 个周期的平均值 window 如果它包含异常值？
最终目标是在不考虑/考虑 10 个周期的 window 的情况下获得最大移动平均线（如果它包含异常值）提前致谢！
您只需一行即可解决您的问题：
_filter = lambda x: float("inf") if x > outlier_upper_bound or x < outlier_lower_bound else x
df["speed"].apply(_filter).rolling(10).mean().dropna()
我的代码背后的想法可以通过以下步骤理解：
- 我创建了一个名为
_filter 的 lambda 函数，它将您边界之外的任何值转换为 inf。
- 在包含
inf 的 window 上应用 mean 时，结果将是 Nan。
- 最后，我删除所有
Nan 值，这将模拟相同的效果。
我面临的问题是，在使用 python pandas?
澄清一下：
df = df['speed'].rolling(10).mean()
outlier_lower_bound = 0
outlier_upper_bound = 15
df.max()
现在如何拒绝/不考虑这 10 个周期的平均值 window 如果它包含异常值？
最终目标是在不考虑/考虑 10 个周期的 window 的情况下获得最大移动平均线（如果它包含异常值）提前致谢！
您只需一行即可解决您的问题：
_filter = lambda x: float("inf") if x > outlier_upper_bound or x < outlier_lower_bound else x
df["speed"].apply(_filter).rolling(10).mean().dropna()
我的代码背后的想法可以通过以下步骤理解：
- 我创建了一个名为
_filter的 lambda 函数，它将您边界之外的任何值转换为inf。 - 在包含
inf的 window 上应用mean时，结果将是Nan。 - 最后，我删除所有
Nan值，这将模拟相同的效果。