Pandas 中的滚动平均值答案

【问题标题】：Rolling Average in PandasPandas 中的滚动平均值
【发布时间】：2019-06-16 16:51:09
【问题描述】：

我有一个包含 2 列的数据框 - 日期和价格。数据首先按最新日期排序（第一行为 1 月 23 日，第二行为 1 月 22 日，依此类推）。

Date   Price
23 Jan 100
22 Jan 95
21 Jan 90
.
.
.

我想计算这个时间序列数据的 2 天滚动平均价格。我正在使用这个：

df.rolling(2).mean()

它的作用是，它将 NaN 分配给第一行（1 月 23 日），然后将第二行的输出作为 1 月 23 日和 1 月 22 日的价格平均值。这没有用，因为 1 月 22 日的平均值正在使用远期数据（1 月 23 日的价格）。我需要的是 1 月 23 日的移动平均值是 1 月 23 日和 1 月 22 日的平均值。这样 MA 的最后一个值将是 NaN 而不是第一个值。

我不想做的是先用最旧的数据排序，计算然后再使用。

pct_change() 也有同样的问题。但是， pct_change(-1) 解决了这个问题。但是滚动不接受负值作为输入。请建议解决此问题的方法。谢谢。

【问题讨论】：

为什么不希望数据按时间顺序（升序）排序？有什么特别的原因吗？
我一直在用 excel 开发这些系统，现在将它们转移到 python 以便于开发。我习惯于首先看到排序为最新日期的值。无论如何，我认为 python 将有一些方法来处理这个问题。只是想检查一下。无论如何，更改排序将是最后的手段。

标签： python pandas moving-average rolling-average

【解决方案1】：

由于您不想排序，这里有一种解决方法。您可以反转您的数据框，采用滚动平均值，然后再次反转它。

df[::-1].rolling(window=2).mean()[::-1]

输出：

        Price
23 Jan  97.5
22 Jan  92.5
21 Jan  NaN

【讨论】：

谢谢。这完全符合目的。旁注 - 你在 python 中使用大量时间序列数据吗？使用按时间升序的数据是一种惯例吗？这对应用内置函数有帮助吗？
我处理大量面板数据（想想横截面和时间序列放在一起）。是的，通常数据将按时间升序排序，但这并不意味着您必须这样做。大多数 pandas 函数都适用于按升序或降序排列的数据。