滚动最大值不包括 Pandas 中的当前观察值 1.0

Question

使用 Pandas 1.0 我需要使用前 3 个观察值的 window 生成滚动最大值，不包括当前观察值。在 R 中，这是通过

实现的

library(tidyverse)

test_df = data.frame(a = 1:5, b = c(40, 37, 60, 45, 40))

test_df <- test_df %>% mutate(
    rolling_max=rollapply(b, width = list(-1:-3), max, na.rm = TRUE, partial = 0, align = "right")
)
> test_df
  a  b rolling_max
1 1 40        -Inf
2 2 37          40
3 3 60          40
4 4 45          60
5 5 40          60

在 Python 中，pandas.rolling.apply() 函数似乎没有办法排除当前观察，因此这会产生意想不到的结果：

import pandas as pd
test_df = pd.DataFrame({'a': [1,2,3,4,5], 'b': [40,37,60,45,40]})
test_df['rolling_max'] = test_df['b'].rolling(3).apply(max)
test_df
   a   b  rolling_max
0  1  40          NaN
1  2  37          NaN
2  3  60         60.0
3  4  45         60.0
4  5  40         60.0

这输出了预期的结果，但它看起来像是一个笨拙且不可扩展的解决方案：

test_df['rolling_max'] = np.fmax(
    test_df['b'].shift(periods=1).to_numpy(), 
    test_df['b'].shift(periods=2).to_numpy(), 
    test_df['b'].shift(periods=3).to_numpy()
)
test_df
   a   b  rolling_max
0  1  40          NaN
1  2  37         40.0
2  3  60         40.0
3  4  45         60.0
4  5  40         60.0

有人可以推荐更好的方法吗？

Answer 1

首先，当你说你需要均值时，你正在使用最大值。假设你需要的是max，Python，你可以做如下的事情：

test_df.b.rolling(4, min_periods=2).apply(lambda x: np.max(x[:-1]))

0     NaN
1    40.0
2    40.0
3    60.0
4    60.0
Name: b, dtype: float64

Answer 2

这似乎可以满足您的需求：

test_df.rolling(2, min_periods=1).max()

滚动最大值不包括 Pandas 中的当前观察值 1.0

Rolling max excluding current observation in Pandas 1.0

python

pandas

rolling-average