numpy 如何找到具有可变区间的列的移动平均值(基于最后n个非空值)？

xv8emn3q 于 2023-10-19 发布在其他

关注(0)|答案(2)|浏览(123)

我有一个 Dataframe ，格式如下：
| Datetime|值|马|
| --|--|--|
| 1月1| 1 |没有一|
| 1月2日| 2 |没有一|
| 1月3日| 1 |没有一|
| 1月4日|N/A|没有一|
| 1月5日| 2 |没有一|
| 1月6日|N/A|没有一|
| 1月7日|N/A|没有一|
| 1月8日| 3 |没有一|
我希望计算“值”列的移动平均值，条件是最后3个非空值。
所需输出：
| Datetime|值|马|
| --|--|--|
| 1月1| 1 | 1 |
| 1月2日| 2 |1.5|
| 1月3日| 1 |一点三三|
| 1月4日|没有一|一点三三|
| 1月5日| 2 |一点六七|
| 1月6日|没有一|一点六七|
| 1月7日|没有一|一点六七|
| 1月8日| 3 | 2 |
例如，在1月8日的行中，移动平均值采用最后3个非空值（3，2，1）来给予值2，而1月3日仅采用（1，2，1）来计算移动平均值。因此，由于这种情况，我不能使用rolling.mean（）方法。我也尽量避免使用一个循环，如果可能的话，因为框架是巨大的。解决这个问题的最好办法是什么？

numpy

来源：https://stackoverflow.com/questions/77014481/how-to-find-moving-average-of-a-column-with-a-variable-intervalbase-on-last-n-n

2条答案

按热度按时间

jvlzgdj91#

首先通过Series.dropna删除缺失值，计算滚动平均值，然后向前发送缺失值：

df['MA'] = df['Value'].dropna().rolling(3, min_periods=1).mean()
df['MA'] = df['MA'].ffill()

或者使用方法ffill添加Series.reindex：

df['MA'] = (df['Value'].dropna().rolling(3, min_periods=1).mean()
                       .reindex(df.index, method='ffill'))

print (df)
  Datetime  Value        MA
0    1 Jan    1.0  1.000000
1    2 Jan    2.0  1.500000
2    3 Jan    1.0  1.333333
3    4 Jan    NaN  1.333333
4    5 Jan    2.0  1.666667
5    6 Jan    NaN  1.666667
6    7 Jan    NaN  1.666667
7    8 Jan    3.0  2.000000

赞(0）回复(0）举报 2023-10-19

oipij1gg2#

您可以使用dropna删除NaN，然后使用method=ffill计算rolling.mean和reindex以填充缺失值：

df['MA'] = (df.dropna(subset=['Value'])['Value']
              .rolling(3, min_periods=1).mean()
              .reindex(df.index, method='ffill')
           )

输出量：

Datetime  Value        MA
0    1 Jan    1.0  1.000000
1    2 Jan    2.0  1.500000
2    3 Jan    1.0  1.333333
3    4 Jan    NaN  1.333333
4    5 Jan    2.0  1.666667
5    6 Jan    NaN  1.666667
6    7 Jan    NaN  1.666667
7    8 Jan    3.0  2.000000

赞(0）回复(0）举报 2023-10-19

我来回答

numpy 如何找到具有可变区间的列的移动平均值(基于最后n个非空值)？

2条答案

相关问题

热门标签

最新问答