pandas rolling_mean（）如何运作？

Question

我需要使用移动平均线来平滑我的数据，所以我使用卷积编写了一个函数。但与原始数据相比，结果是左移。所以我使用了熊猫内置的rolling_mean()，它运行得很好。问题是我不想使用熊猫，我试图重写这个功能，但源代码并没有解释它是如何工作的（或者可能只是我）。

我原来的功能是

def moving_average(data, window):
    return np.convolve(data, np.ones(window)/window, mode='valid')

pandas rolling_mean()的源代码是：

def f(arg, window, min_periods=None, freq=None, center=False, how=how,
      **kwargs):
    def call_cython(arg, window, minp, args=(), kwargs={}, **kwds):
        minp = check_minp(minp, window)
        return func(arg, window, minp, **kwds)
    return _rolling_moment(arg, window, call_cython, min_periods, freq=freq,
                           center=center, how=how, **kwargs)

关键是论证＆＃34; center＆＃34;，但我不知道它是如何运作的。 蓝色是原始数据，绿色是我的尝试，红色（正确）版本来自熊猫。

Answer 1

没有一种正确的方法来平滑数据，即使你使用平均值，仍然会有很多变化。换挡是一种非常普遍的结果，虽然是简单的滚动方式。

您从pandas.rolling_mean发布的代码位未显示操作;您可以看到它指定的位置，例如how=how它传递的参数未包含在您的代码段中以确定它使用的方法。它还引用了cython所以我假设命令的内容是用C语言编写的，而不是用Python编写的（通常因为它的速度要快得多）。

我没有去寻找底层代码，因为rolling_mean没有太多文档而且不赞成启动。而是从最新版本的Pandas中查看rolling，它会告诉您它可以做什么类型的平滑器。您可以尝试将这些参数传递到rolling函数中，并查看哪一个符合您的要求;那么你可以从你选择的来源中查找背后的数学，以便在其他地方重现。

我不知道原始海报的经验水平，但对于那些可能不太精通信号处理或数据平滑的人来说，将噪音与趋势分开是一个巨大的研究领域。当你这样做时要非常小心，因为结果对方法非常敏感。对于其他一些人，除了Pandas提供的所有滚动功能外，还可以看看Holt-Winters，Baxter-King或Hodrick-Prescott。他们都以不同的方式处理问题，结果，优点和缺点各不相同。