我有这样的时间序：
times | data
1994-07-25 15:15:00.000 | 165
1994-07-25 16:00:00.000 | 165
1994-07-26 18:45:00.000 | 165
1994-07-27 15:15:00.000 | 165
1994-07-27 16:00:00.000 | 165
1994-07-28 18:45:00.000 | 165
1994-07-28 19:15:00.000 | 63
1994-07-28 20:35:00.000 | 64
1994-07-28 21:55:00.000 | 64
1994-07-29 14:15:00.000 | 62
1994-07-30 15:35:00.000 | 62
1994-07-30 16:55:00.000 | 61
我想对这些数据做一个回顾移动平均线,但是有一个基于日期的窗口,而不是行或日期时间.
例如,说lookback = 3天,然后是
1994-07-29 14:15:00.000 | 62
它的回顾移动平均值应该是平均值
1994-07-26 18:45:00.000 | 165
1994-07-27 15:15:00.000 | 165
1994-07-27 16:00:00.000 | 165
1994-07-28 18:45:00.000 | 165
1994-07-28 19:15:00.000 | 63
1994-07-28 20:35:00.000 | 64
1994-07-28 21:55:00.000 | 64
因为这是一个3天的回顾,所以平均将从1994-07-26开始3天,无论一天内有多少行.
此外,对于具有相同日期(不包括时间)的多行,其回溯移动平均值应该相同.
我怎样才能轻松实现这一目标？
最佳答案
我会使用pandas DatetimeIndex来累积每个日期的值.
然后,您可以使用rolling_mean计算所需的平均值.
import numpy as np
import pandas
df = pandas.DataFrame({'times': np.array(['1994-07-25 15:15:00.000','1994-07-25 16:00:00.000','1994-07-26 18:45:00.000','1994-07-27 15:15:00.000','1994-07-27 16:00:00.000','1994-07-28 18:45:00.000','1994-07-28 19:15:00.000','1994-07-28 20:35:00.000','1994-07-28 21:55:00.000','1994-07-29 14:15:00.000','1994-07-30 15:35:00.000','1994-07-30 16:55:00.000'],dtype='datetime64'),'data': [165,165,63,64,62,61]})
df = df.set_index('times')
g = df.groupby(df.index.date)
days = 3
pandas.rolling_mean(g.sum(),days)
这给出了：
1994-07-25 NaN
1994-07-26 NaN
1994-07-27 275.000000
1994-07-28 283.666667
1994-07-29 249.333333
1994-07-30 180.333333
您可能希望在rolling_mean上使用center和min_periods参数来获得所需的确切结果.