Question

这是我的问题。我所拥有的是一个DataFrame，如下所示：

df:

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

我想要的是像这样的DataFrame：

rolling_mean（df，window =＆＃39; 1M＆＃39;）：

2013-10      1.5
2013-11      3.5
2013-12      5.5

rolling_mean（df，window =＆＃39; 2M＆＃39;）：

2013-10      NAN
2013-11      2.5
2013-12      4.5

rolling_mean（df，window =＆＃39; 3M＆＃39;）：

2013-10      NAN
2013-11      NAN
2013-12      3.5

rolling_mean（df，window =＆＃39; 1Y＆＃39;）：

2013-10      NAN
2013-11      NAN
2013-12      NAN

其中1M是1个月＆＃39;，2M是＆＃39; 2个月＆＃39;。该窗口不是一个int值，而是一个时间间隔，例如＆＃39; 1D＆＃39; 3M＆＃39;＆＃39; 1Y＆＃39;等等。该功能可以按时间单位对数据进行分组，例如＆＃39; D＆＃39; M＆＃39; M＆＃39; Y＆＃39; Y＆＃39;，然后通过数字滚动数据帧单位如1,3 ......

我需要像这样的滚动功能？有人能帮助我吗？我有没有明确说明？非常感谢。

更新

我还有一个难题。我需要实现这样一个函数，它可以计算每天的滚动标准偏差，而不是按月重新采样，但是窗口步长单位是按月计算的。

在这种情况下，我所拥有的也是 DF：

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

pd.rolling_std（df.resample（＆＃39; 1M＆＃39），窗口= 1）：

结果是

2013-10    NAN
2013-11    NAN 
2013-12    NAN

我真的是这样的数据帧（window = 1）：

2013-10    0.5
2013-11    0.5 
2013-12    0.5

前0.5是标准偏差，可以从10月开始通过np.sqrt（[1,2]）计算得出。另外0.5来自[3,4]和[5,6]。但是，无论如何=＆＃39; xxx＆＃39;重采样函数中的方法，结果不对。 2个月的客观结果是，

df（window = 2）：

2013-10    NAN
2013-11    1.1180 
2013-12    1.1180

第一个1.1180是标准差，可以通过np.sqrt（[1,2,3,4]）从10月和11月计算出来。 2013 - 12年度的1.1180来自2013-11和2013-12的[3,4,5,6]。

P.S。标准偏差是我想实现滚动的功能之一...... 谢谢〜

Answer 1

您可以在日期列上使用to_datetime来生成日期时间索引。

df = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6]},
                  index=['2013-10-24', '2013-10-25', '2013-11-27', 
                         '2013-11-28', '2013-12-01', '2013-12-02'])           
df.index = pd.to_datetime(df.index)

>>> pd.rolling_mean(df.resample('1M'), 1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    3.5
2013-12-31    5.5

>>> pd.rolling_mean(df.resample('2M'), window=1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    NaN
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=2, freq='1M')
            value
2013-10-31    NaN
2013-11-30    2.5
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=3, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    3.5

>>> pd.rolling_mean(df.resample('1M'), window=12, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    NaN

pandas滚动功能与时间groupby

1 个答案: