Question

假设我的数据是每日计数，并将DateTimeIndex列作为其索引。有没有办法获得过去n个工作日的平均值？例如，如果日期是8月15日星期日，我希望得到统计数据（星期日8月8日，星期日8月1日，......）。

我昨天开始使用大熊猫，所以这就是我所强迫的。

# df is a dataframe with an DateTimeIndex
# brute force for count last n weekdays, wherelnwd = last n weekdays
def lnwd(n=1):
    lnwd, tmp = df.shift(7), df.shift(7) # count last weekday
    for i in xrange(n-1):
        tmp = tmp.shift(7)
        lnwd += tmp
    lnwd = lnwd/n  # average
    return lnwd

必须有一个班轮？有没有办法使用apply()（不传递具有for循环的函数？因为n是可变的）或某种形式的groupby？例如，在每个工作日查找所有数据平均值的方法是：

df.groupby(lambda x: x.dayofweek).mean() # mean of each MTWHFSS

Answer 1

我认为你正在寻找滚动申请（在这种情况下滚动均值）？请参阅文档：http://pandas.pydata.org/pandas-docs/stable/computation.html#moving-rolling-statistics-moments。但是，然后单独申请每个工作日，这可以通过将rolling_mean与工作日的分组groupby相结合来实现。

这应该给出一些类似的东西（系列s）：

s.groupby(s.index.weekday).transform(lambda x: pd.rolling_mean(x, window=n))

Answer 2

使用 Pandas 1.4.1 版，joris 提供的解决方案似乎已经过时（“模块 'pandas' 没有属性 'rolling_mean'”）。使用

可以实现相同的目的

s.groupby(s.index.weekday).transform(lambda x: pd.Series.rolling(x, window=n).mean())

获取pandas数据帧的最后N个工作日的平均值

2 个答案: