Pandas 滚动 window 具有浮动索引的不规则系列

Question

我有一个时间序列，其中 浮动索引 表示从实验开始分钟。观察结果并不是完全等距的。我正在做 滚动平均值 。这里有一些示例数据：

S = pd.Series([0,3,2,6,4,7,7,9,11,13,12,12,11,9,6,7,3,5,4], 
              index=[0.01,0.13,0.2,0.29,0.4,0.5,0.59,0.68,0.79,0.9,1.0,1.1,1.19,1.29,1.4,1.5,1.6,1.71,1.8])
Sr = S.rolling(3, win_type='triang', center=True).mean()

在我的真实数据中，window 跨越数百个数据点。因此，我希望它始终跨越 同一时间（以索引单位），而不是固定数量的观察。我发现这在日期时间索引上是可能的，但是我需要将索引浮动以便进一步计算。有什么方法可以做到这一点而不必将索引转换为日期时间然后再转换回来吗？

伪函数：

Sr = S.rolling(0.3, win_type='triang', center=True, *on=index*).mean()

此示例的预期输出：

对于每个索引 i：平均 window 从 i-0.15 到 i+0.15（根据与 i 的距离进行三角加权）

Answer 1

我认为 rolling 方法无法做到。

出于兴趣，可以手动完成如下：

from scipy.signal.windows import triang
import numpy as np
import pandas as pd

def triangular(a):
    n = a.size
    b = triang(n) / (n - 1)
    return b @ a

S = pd.Series([0,3,2,6,4,7,7,9,11,13,12,12,11,9,6,7,3,5,4],
              index=[0.01,0.13,0.2,0.29,0.4,0.5,0.59,0.68,0.79,0.9,1.0,1.1,1.19,1.29,1.4,1.5,1.6,1.71,1.8])

df = pd.DataFrame({'S': S})
df['neighbours'] = df.index.to_series().apply(lambda x: [df.loc[index][0] for index in df.index if x - 0.15 < index <= x + 0.15])
df['rolling_mean'] = df.neighbours.apply(lambda x: triangular(np.array(x)))
df.drop('neighbours', axis=1, inplace=True)

print(df)

输出：

       S  rolling_mean
0.01   0          1.50
0.13   3          2.00
0.20   2          3.25
0.29   6          4.50
0.40   4          5.25
0.50   7          6.25
0.59   7          7.50
0.68   9          9.00
0.79  11         11.00
0.90  13         12.25
1.00  12         12.25
1.10  12         11.75
1.19  11         10.75
1.29   9          8.75
1.40   6          7.00
1.50   7          5.75
1.60   3          4.50
1.71   5          4.25
1.80   4          4.50

但是，我怀疑这比将浮点索引转换为日期时间然后再转换回来更简单。

Pandas 滚动 window 具有浮动索引的不规则系列

Pandas rolling window over irregular series with float index

python

floating-point

indexing

pandas

rolling-computation