pandas rolling mean 在不同的机器上返回不同的结果答案

【问题标题】：pandas rolling mean returns different results on different machinespandas rolling mean 在不同的机器上返回不同的结果
【发布时间】：2021-10-07 21:07:36
【问题描述】：

我在本地机器（Python 3.9.5，pandas 0.25.3）和远程机器（Python 3.7.4，pandas 0.25.1）上的相同输入上运行相同的代码，我收到了不同的结果。

输入是：

jsn_str = '{"user_1":{"77":4514.0,"44":7867.54,"67":10406.54,"12":7151.0,"56":1921.0,"36":9471.0,"47":2021.0,"25":3211.0,"26":2021.0,"15":4651.0,"71":8805.0,"62":352.0}}'

我使用代码：

pd.DataFrame(json.loads(jsn_str), index=(str(x) for x in range(93))).fillna(method='ffill').fillna(0).sum(axis=1).rolling(window=1).mean().fillna(0).unique()

在我的本地机器上，我收到了预期的结果：

array([    0.  ,  7151.  ,  4651.  ,  3211.  ,  2021.  ,  9471.  ,
        7867.54,  1921.  ,   352.  , 10406.54,  8805.  ,  4514.  ])

但是在远程机器上，结果是：

array([    0.  ,  7151.  ,  4651.  ,  3211.  ,  **2021.**  ,  9471.  ,
        **7867.54**,  **7867.54**,  **2021.**  ,  1921.  ,   352.  , 10406.54,
        8805.  ,  4514.  ])

我又出现了 1 次 2021. 和 7867.54，因为由于某种原因，当我申请 rolling(window=1).mean() 时，我得到了浮点的随机结果： 2021.000000000001，2021.0，7867.540000000001，7867.540000000002，当我取唯一值时，上面的所有值都会被考虑。

这种现象发生在我拥有的更多示例中，我无法理解为什么以及何时突然随机发生。（而且我无法从我的代码中删除 rolling(window=1).mean()）

有人遇到过这种行为吗？有什么建议吗？

【问题讨论】：

远程机器上的硬件是否不同？不同类型的处理器，32 位还是 64 位，操作系统，诸如此类？
这两个结果似乎匹配 32 位和 64 位浮点 dtype 行为。

标签： python pandas rolling-computation

【解决方案1】：

我制作了几个 python 环境，并且能够使用具有不同 pandas 版本的两个 python 3.7 环境重现此行为，因此它似乎与 pandas 0.25.1 版本直接或间接相关。

我修改并使用了以下代码sn-p。

import pandas as pd
import numpy as np
import json
import sys
print(sys.version)
print(pd.__version__)
jsn_str = '{"user_1":{"77":4514.0,"44":7867.54,"67":10406.54,"12":7151.0,"56":1921.0,"36":9471.0,"47":2021.0,"25":3211.0,"26":2021.0,"15":4651.0,"71":8805.0,"62":352.0}}'
df = pd.DataFrame(json.loads(jsn_str), index=(str(x) for x in range(93))).fillna(method='ffill').fillna(0).sum(axis=1)
print(len(df.rolling(window=1).mean().fillna(0).unique()))
print(len(df.rolling(window=1).apply(np.mean, raw=False).fillna(0).unique()))
print(len(df.rolling(window=1).apply(np.mean, raw=True).fillna(0).unique()))
print(len(df.rolling(window=1).apply(pd.Series.mean, raw=False).fillna(0).unique()))

环境 1 输出

3.7.11 (default) [MSC v.1916 64 bit (AMD64)]
1.3.0
12
12
12
12

环境 2 输出

3.7.11 (default) [MSC v.1916 64 bit (AMD64)]
0.25.1
14 # this is our culprit
12
12
12

所以，你可以做的事情：

要么改变你的 pandas 版本并使用更新的东西，要么，

如果您必须使用 pandas 0.25.1，您也许可以使用此处显示的应用变体之一，而不是使用似乎具有这种奇怪行为的 ..rolling..mean。

print(len(df.rolling(window=1).apply(pd.Series.mean, raw=False).fillna(0).unique()))

【讨论】：