时间戳

首页 > 解决方案 > 先前计算的移动平均线的移动平均线

python - 先前计算的移动平均线的移动平均线

问题描述

我有一个数据框如下：

data = pd.DataFrame({'Date':['20191001','20191002','20191003','20191004','20191005','20191006','20191001','20191002','20191003','20191004','20191005','20191006'],'Store':['A','A','A','A','A','A','B','B','B','B','B','B'],'Sale':[1,2,8,6,9,0,4,3,0,2,3,7]})

数据

我想要做的是计算每个商店前 2 天的移动平均值（窗口大小 = 2）并将值放在一个新列中（比如说“MA”），但问题是我希望这个窗口翻转实际销售和先前计算的 MA。下图是解释： 计算

抱歉，我不得不用图片表达我的问题：|

我知道我必须按商店分组，我可以使用 rolling(2) 但该方法只会计算一列的移动平均值。

我原来的窗口是 15，上面只是一个例子。

任何帮助都将不胜感激。

标签： pythonpandasmoving-average

解决方案

如果不为问题编写自定义代码，我无法完全想出解决此问题的方法，因为您正在使用您之前生成的步骤的数据。下面的片段是我想出的。它以线性时间运行，我相信它和你能得到的一样好，主要是就地运行，只需要额外的存储来存储一个 pd.Series 的 length window，复制最少，只查看每个值一次，它可以用于任意窗口大小，可以直接扩展到您的实际用例

def fill_ma(sales: pd.Series, window: int):
    # "manually" do the first steps on the sales data
    iter_data = sales.iloc[0:window]
    for i in range(window):
        iter_data.iloc[i] = np.mean(iter_data)

    sales.iloc[0:window] = np.nan
    sales.iloc[window:(2 * window)] = iter_data.values
    # loop over the rest of the Series and compute the moving average of MA data
    for i in range(2 * window, sales.shape[0]):
        tmp = np.mean(iter_data)
        iter_data.iloc[i % window] = tmp
        sales.iloc[i] = tmp

    return sales

使用这个函数非常简单： groupbyStore 列和apply函数就像这样：

window = 2
data.groupby('Store')['Sale'].apply(lambda x: fill_ma(x, window))

0        NaN
1        NaN
2     1.5000
3     1.7500
4     1.6250
5     1.6875
6        NaN
7        NaN
8     3.5000
9     3.2500
10    3.3750
11    3.3125
Name: Sale, dtype: float64

如果您最终在大量真实数据上使用它，我很想听听它在运行时方面的表现。干杯

推荐阅读