使用 pandas 计算简单的历史平均值答案

【问题标题】：Calculate simple historical average using pandas使用 pandas 计算简单的历史平均值
【发布时间】：2021-08-01 09:38:30
【问题描述】：

我有一个如下所示的数据框

data = pd.DataFrame({'day':['1','21','41','61','81','101','121','141','161','181','201','221'],'Sale':[1.08,0.9,0.72,0.58,0.48,0.42,0.37,0.33,0.26,0.24,0.22,0.11]})

我想通过计算直到day 221 的所有记录的平均值来填充day 241 的值。同样，我想通过计算直到day 241 的所有记录的平均值来计算day 261 的值等等。

例如：通过取 day 1 to day n-21 的所有值的平均值来计算 day n 的值。

我想这样做直到day 1001。

我尝试了以下但不正确

df['day'] = df.iloc[:,1].rolling(window=all).mean()

如何在day 列下每天创建新行？

我希望我的输出如下所示

【问题讨论】：

标签： python pandas dataframe numpy time-series

【解决方案1】：

听起来您正在寻找扩展均值：

import numpy as np
import pandas as pd

df = pd.DataFrame({'day': ['1', '21', '41', '61', '81', '101', '121', '141',
                           '161', '181', '201', '221'],
                   'Sale': [1.08, 0.9, 0.72, 0.58, 0.48, 0.42, 0.37, 0.33, 0.26,
                            0.24, 0.22, 0.11]})

# Generate Some new values
to_add = pd.DataFrame({'day': np.arange(241, 301, 20)})

# Add New Values To End of DataFrame
new_df = pd.concat((df, to_add)).reset_index(drop=True)

# Replace Values Where Sale is NaN with the expanding mean
new_df['Sale'] = np.where(new_df['Sale'].isna(),
                          new_df['Sale'].expanding().mean(),
                          new_df['Sale'])
print(new_df)

    day      Sale
0     1  1.080000
1    21  0.900000
2    41  0.720000
3    61  0.580000
4    81  0.480000
5   101  0.420000
6   121  0.370000
7   141  0.330000
8   161  0.260000
9   181  0.240000
10  201  0.220000
11  221  0.110000
12  241  0.475833
13  261  0.475833
14  281  0.475833

将 NaN 替换为 1 然后求平均值：

import numpy as np
import pandas as pd

df = pd.DataFrame({'day': ['1', '21', '41', '61', '81', '101', '121', '141',
                           '161', '181', '201', '221'],
                   'Sale': [1.08, 0.9, 0.72, 0.58, 0.48, 0.42, 0.37, 0.33, 0.26,
                            0.24, 0.22, 0.11 ]})

# Generate Some new values
to_add = pd.DataFrame({'day': np.arange(241, 301, 20)})

# Add New Values To End of DataFrame
new_df = pd.concat((df, to_add)).reset_index(drop=True)
# Replace Values Where Sale is NaN with the expanding mean
new_df['Sale'] = np.where(new_df['Sale'].isna(),
                          new_df['Sale'].fillna(1).shift().expanding().mean(),
                          new_df['Sale'])
print(new_df)

    day      Sale
0     1  1.080000
1    21  0.900000
2    41  0.720000
3    61  0.580000
4    81  0.480000
5   101  0.420000
6   121  0.370000
7   141  0.330000
8   161  0.260000
9   181  0.240000
10  201  0.220000
11  221  0.110000
12  241  0.475833
13  261  0.516154
14  281  0.550714

【讨论】：

为什么计算出来的结果不正确？例如：输出中的第 13 行，不应该是 0.5154 吗？
意思是，当我们计算第 281 天的值时，我希望考虑过去（第 1 天到第 261 天）的所有值的值。同样，当我们执行第 301 天时，我想要从第 1 天到第 281 天的所有值，其中第 281 天是最近计算的值
谢谢，我会试试的。尽管如此，我还是接受了答案。但是有一个问题，我们的第二种方法在现实世界中不是很正常吗？意思是，我们添加了一条新记录（带有值），我们希望看到后续值略有变化......那么，我是否正确理解用 1 替换 NA 是正常方法？我真的不明白我们什么时候不应该用 1 替换 NA？
完全披露：我不知道，可能有更好的方法。但是一旦你到达数据的末尾，扩展的平均值将不再改变。您可以自己尝试一下，无论您将累积平均值添加到系列末尾多少次，然后除以新长度，该值都不会改变。在这种情况下，fillna 用于为每一行赋予新的含义，但它是一种人工注入。您可以很容易地用 0 填充来模拟下降趋势。