时间戳

首页 > 解决方案 > 如何在 Pandas 的前后行索引之间有效地取平均值

python - 如何在 Pandas 的前后行索引之间有效地取平均值

问题描述

目标是获得给定索引行的 n-preceeding 和 n-succeding 的平均值。

对于给定的索引，获取索引列表的平均值。例如

index   index of average

0   0,1,2
1   0,1,2,3
2   0,1,2,3,4
...
9   7,8,9,10,11
10  8,9,10,11,12

这可以实现如下：

import pandas as pd
arr=[[6772],
[7182],
[8570],
[11078],
[11646],
[13426],
[16996],
[17514],
[18408],
[22128],
[22520],
[23532],
[26164],
[26590],
[30636],
[3119],
[32166],
[34774]]
df=pd.DataFrame(arr,columns=['a'])
df['cal']=0
idx_c=2
for idx in range(len(df)):
    idx_l=idx-idx_c
    idx_t=idx+idx_c
    idx_l=0 if idx_l<0 else idx_l
    idx_t=len(df) if idx_t>len(df) else idx_t
    df.loc[idx,'cal']=df['a'][df.index.isin(range(idx_l,idx_t+1))].mean()

但是，我想知道有没有更有效的方法来完成上述任务？

标签： pythonpandasperformance

解决方案

Series.rolling

这里的技巧是使用带有可选参数rolling的大小窗口来居中滚动计算的结果。例如，如果窗口大小为，滚动计算的结果将存储在位置。2*w + 1center=Truew=22*w + 1 = 53

w = 2
df['avg'] = df['a'].rolling(2 * w + 1, center=True, min_periods=1).mean()

print(df)

        a       avg
0    6772   7508.00
1    7182   8400.50
2    8570   9049.60
3   11078  10380.40
4   11646  12343.20
5   13426  14132.00
6   16996  15598.00
7   17514  17694.40
8   18408  19513.20
9   22128  20820.40
10  22520  22550.40
11  23532  24186.80
12  26164  25888.40
13  26590  22008.20
14  30636  23735.00
15   3119  25457.00
16  32166  25173.75
17  34774  23353.00

推荐阅读