如何在不使用索引循环的情况下一次计算所有聚合？

Question

%%time
import random
random.seed(1)
df = pd.DataFrame({'val':random.sample(range(10), 10)})

for j in range(10):
    for i in df.index:
        df.loc[i,'mean_last_{}'.format(j)] = df.loc[(df.index < i) & (df.index >= i - j),'val'].mean()
        df.loc[i,'std_last_{}'.format(j)] = df.loc[(df.index < i) & (df.index >= i - j),'val'].std()
        df.loc[i,'max_last_{}'.format(j)] = df.loc[(df.index < i) & (df.index >= i - j),'val'].max()
        df.loc[i,'min_last_{}'.format(j)] = df.loc[(df.index < i) & (df.index >= i - j),'val'].min()
        df.loc[i,'median_last_{}'.format(j)] = df.loc[(df.index < i) & (df.index >= i - j),'val'].median()

Answer 1

我想你要找的是这样的：

import random
random.seed(1)
df = pd.DataFrame({'val':random.sample(range(10), 10)})

for j in range(1, 10):
    df[f'mean_last_{j}'] = df['val'].rolling(j, min_periods=1).mean()
    df[f'std_last_{j}'] = df['val'].rolling(j, min_periods=1).std()
    df[f'max_last_{j}'] = df['val'].rolling(j, min_periods=1).max()
    df[f'min_last_{j}'] = df['val'].rolling(j, min_periods=1).min()
    df[f'median_last_{j}'] = df['val'].rolling(j, min_periods=1).median()

但是，相对于您的示例代码，我的代码是“off-by-one”。您是打算针对当前行中的每个聚合 INCLUDE 值，还是应该只使用前 j 行，而不使用当前行？我的代码包括当前行，但你的不包括。您的代码为第一组聚合生成 NaN 个值。

编辑：@Carlos 的回答使用 rolling(j).aggregate() 在一行中指定聚合列表。这是它的样子：

import random
random.seed(1)
df = pd.DataFrame({'val':random.sample(range(10), 10)})

aggs = ['mean', 'std', 'max', 'min', 'median']

for j in range(10):
    stats = df["val"].rolling(j, min_periods=min(j, 1)).aggregate(aggs)
    df[[f"{a}_last_{j}" for a in aggs]] = stats.values

Answer 2

可以使用滚动的方式，例如：

df = pd.DataFrame({'val': np.random.random(100)})
for i in range(10):
    agg = df["val"].rolling(i).aggregate(['mean', 'median'])
    df[[f"mean_{i}", f"median_{i}"]] = agg.values

如何在不使用索引循环的情况下一次计算所有聚合？

How to calculate all aggregations at once without using a loop over indices?

statistics

pandas

rolling-computation