我有一个数据集,第一列是Date,Second列是Price。 日期是交易日。
我想返回一个如下表:
如果日期是从2006年开始的每个月,价格MA是过去N个月的平均价格。(N = [1,2,3,4,5,6])
例如:如果我想在2006年1月1日N = 1 马应该是去年12月的平均价格 如果N = 2 Ma应该是去年11月和12月的平均价格
我已经阅读了一些关于从datetime和groupby提取月份的解决方案。 但是不知道如何把它们放在一起。
答案 0 :(得分:7)
或者你只是尝试
df.sort_index(ascending=False).rolling(5).mean().sort_index(ascending=True)
有关您的其他问题
index=pd.date_range(start="4th of July 2017",periods=30,freq="D")
df=pd.DataFrame(np.random.randint(0,100,30),index=index)
df['Month']=df.index
df.Month=df.Month.astype(str).str[0:7]
df.groupby('Month')[0].mean()
Out[162]:
Month
2017-07 47.178571
2017-08 56.000000
Name: 0, dtype: float64
编辑3:对于缺失值滚动两个月的平均值
index=pd.date_range(start="4th of July 2017",periods=300,freq="D")
df=pd.DataFrame(np.random.randint(0,100,300),index=index)
df['Month']=df.index
df.Month=df.Month.astype(str).str[0:7]
df=df.groupby('Month')[0].agg({'sum':'sum','count':'count'})
df['sum'].rolling(2).sum()/df['count'].rolling(2).sum()
Out[200]:
Month
2017-07 NaN
2017-08 43.932203
2017-09 45.295082
2017-10 46.967213
2017-11 46.327869
2017-12 49.081967
#etc
答案 1 :(得分:3)
将返回使用window参数指定的周期数的滚动平均值。例如。 window = 1将重新恢复原始列表。 Window = 2将计算2天的平均值,依此类推。
index=pd.date_range(start="4th of July 2017",periods=30,freq="D")
df=pd.DataFrame(np.random.randint(0,100,30),index=index)
print([pd.rolling_mean(df,window=i,freq="D") for i in range(1,5)])
.....
2017-07-04 NaN
2017-07-05 20.5
2017-07-06 64.5
2017-07-07 58.5
2017-07-08 13.0
2017-07-09 4.5
2017-07-10 17.5
2017-07-11 23.5
2017-07-12 40.5
2017-07-13 60.0
2017-07-14 73.0
2017-07-15 90.0
2017-07-16 56.5
2017-07-17 55.0
2017-07-18 57.0
2017-07-19 45.0
2017-07-20 77.0
2017-07-21 46.5
2017-07-22 3.5
2017-07-23 48.5
2017-07-24 71.5
2017-07-25 52.0
2017-07-26 56.5
2017-07-27 47.5
2017-07-28 64.0
2017-07-29 82.0
2017-07-30 68.0
2017-07-31 72.5
2017-08-01 58.5
2017-08-02 67.0
.....
此外,您可以使用df dropna方法删除NA值,如:
df.rolling(window=2,freq="D").mean().dropna() #Here you must adjust the window size
所以整个代码应该打印出几个月的滚动平均值:
print([df.rolling(i,freq="m").mean().dropna() for i in range(len(df.rolling(window=1,freq="m").sum()))])
答案 2 :(得分:-1)
首先,将Date
设为索引:
price_df.set_index('Date', inplace=True)
price_df.index = pd.to_datetime(price_df.index)
然后,计算过去N个月的移动平均值:
mv = price_df.rolling(window=i*30, center=False).mean().dropna()
N=i
最后,仅在每个月的第一天返回子集(如果这是您要返回的内容):
mv.ix[mv.index.day==1]