Python计算移动平均线答案

【问题标题】：Python calculation for moving averagePython计算移动平均线
【发布时间】：2021-05-30 16:58:23
【问题描述】：

我有一个数据集如下：

import pandas as pd
data = {'Category': ['A','A','A','A','A','A','B','B','B','B','B','C','C','C','C','C'],
        'Date' : [1,2,3,4,5,6,1,2,3,4,5,1,2,3,4,5],
       'Count': [1,2,3,4,5,1,2,3,4,5,6,1,2,3,4,6]}
df = pd.DataFrame(data)

我试图计算每3行的平均计数，不包括按类别分组的当前行，日期从新到旧，如果没有足够的3行计算，它将返回0。

预期的结果应该如下。例如：对于日期 1 的类别 A，平均值计算为类别 A 的日期 2、3 和 4 的平均计数。

Category	Date	Count	Average
A	1	1	3
A	2	2	4
A	3	3	3.333333333
A	4	4	2.666666666
A	5	5	0
A	6	1	0
B	1	2	4
B	2	3	5
B	3	4	0
B	4	5	0
B	5	6	0
C	1	1	3
C	2	2	4.333333333
C	3	3	0
C	4	4	0
C	5	6	0

我尝试在下面使用，但没有得到预期的结果

df['average'] = df.groupby(['Category'])['count'].transform(lambda x: x.rolling(3, 1).mean())

【问题讨论】：

第 4 行（A 类中的2.666666667）的平均值应该为 0，对吗？否则它看起来与 B 和 C 不一致。
@Shaido 应该是 2.66667，如果要计算的行数少于 3，则返回 0。
那么，请解释一下如何得到 2.666。如果您只使用 2 行，您将拥有 (5+1)/2=3。还有为什么 B 和 C 类别有 3 个零？

标签： python pandas group-by pandas-groupby rolling-computation

【解决方案1】：

您可以将rolling 与shift 和sort_values 组合使用，如下所示：

def reverse_roll(df):
    df['Count'] = df.sort_values('Date', ascending=False)['Count'].rolling(3, 3).mean().shift()
    df['Count'] = df['Count'].fillna(0.0)
    df = df.sort_values('Date', ascending=True)
    return df
    
df.groupby('Category').apply(reverse_roll)

上面，rolling(3, 3) 用于强制滚动窗口始终考虑 3 行而不是更少。因此，结果的前 2 行将是 NaN，它使用fillna 设置为 0。要在窗口中不包含当前行，请使用shift。

结果：

   Category  Date     Count
0         A     1  3.000000
1         A     2  4.000000
2         A     3  3.333333
3         A     4  0.000000
4         A     5  0.000000
5         A     6  0.000000
6         B     1  4.000000
7         B     2  5.000000
8         B     3  0.000000
9         B     4  0.000000
10        B     5  0.000000
11        C     1  3.000000
12        C     2  4.333333
13        C     3  0.000000
14        C     4  0.000000
15        C     5  0.000000

【讨论】：