Pandas 分组计算移动平均是错误的

我的数据帧价格是这样开始的：

    Date        symbol  Close
0   2000-01-03  HELN.SW 28.28
1   2000-01-04  HELN.SW 27.50
2   2000-01-05  HELN.SW 26.71
3   2000-01-06  HELN.SW 27.16
4   2000-01-07  HELN.SW 27.50

df.groupby('symbol').apply(lambda g: g.assign(avg = g['Close'].rolling(3).mean())).reset_index(drop=True)

要计算收盘的移动平均数，请按符号I进行分组：

priceDF['avg']=priceDF.groupby（'symbol'）'Close'].rolling（3.mean（）.reset_index（drop=True）

我得到：

    Date        symbol  Close   avg
0   2000-01-03  HELN.SW 28.28   NaN
1   2000-01-04  HELN.SW 27.50   NaN
2   2000-01-05  HELN.SW 26.71   12.537398
3   2000-01-06  HELN.SW 27.16   12.022164
4   2000-01-07  HELN.SW 27.50   11.922733

在第2行中，我希望avg=27.50，即第0到2行中的平均值。

---

我误解了什么？

我很确定这是一个关于如何使用

reset\u index

的问题，与使用多个组相结合。让我们考虑一个稍微扩展的例子：

from io import StringIO

data = StringIO(
'''
   Date        symbol  Close
0   2000-01-03  HELN.SW 28.28
1   2000-01-04  HELN.SW 27.50
2   2000-01-05  HELN.SW 26.71
3   2000-01-06  HELN.SW 27.16
4   2000-01-07  HELN.SW 27.50
5   2000-01-07  AAAA.SW 30.00
''')
df = pd.read_csv(data, sep = '\s+', index_col=0)

（我们已将AAAA.SW添加到列表中）

现在：

df.groupby('symbol')['Close'].rolling(3).mean()

产生合理的数字（因为AAAA只有一个日期，我们预计：

symbol    
AAAA.SW  5          NaN
HELN.SW  0          NaN
         1          NaN
         2    27.496667
         3    27.123333
         4    27.123333
Name: Close, dtype: float64

但这是：

df.groupby('symbol')['Close'].rolling(3).mean().reset_index(drop=True)

生成错误的索引

0          NaN
1          NaN
2          NaN
3    27.496667
4    27.123333
5    27.123333
Name: Close, dtype: float64

当放入原始df时，会出现错误的行：

df['avg'] = df.groupby('symbol')['Close'].rolling(3).mean().reset_index(drop=True)
df

产生

     Date       symbol  Close   avg
0   2000-01-03  HELN.SW 28.28   NaN
1   2000-01-04  HELN.SW 27.50   NaN
2   2000-01-05  HELN.SW 26.71   NaN
3   2000-01-06  HELN.SW 27.16   27.496667
4   2000-01-07  HELN.SW 27.50   27.123333
5   2000-01-07  AAAA.SW 30.00   27.123333

解决方案是在每个组内进行AQSSignment，如下所示：

    Date        symbol  Close
0   2000-01-03  HELN.SW 28.28
1   2000-01-04  HELN.SW 27.50
2   2000-01-05  HELN.SW 26.71
3   2000-01-06  HELN.SW 27.16
4   2000-01-07  HELN.SW 27.50

df.groupby('symbol').apply(lambda g: g.assign(avg = g['Close'].rolling(3).mean())).reset_index(drop=True)

所以我们得到了

    Date        symbol  Close   avg
0   2000-01-07  AAAA.SW 30.00   NaN
1   2000-01-03  HELN.SW 28.28   NaN
2   2000-01-04  HELN.SW 27.50   NaN
3   2000-01-05  HELN.SW 26.71   27.496667
4   2000-01-06  HELN.SW 27.16   27.123333
5   2000-01-07  HELN.SW 27.50   27.123333

---

我无法复制您的问题，也就是说，我得到了正确的数字。您的代码中有一个小的语法错误，但假设这是一个复制和粘贴问题，而不是实际代码（因为它不会像编写的那样运行）。检查您的pandas版本？查看calc在没有赋值的情况下做了什么（例如只运行此部分

priceDF.groupby（'symbol'）['Close']）。滚动（3）。意思是（）

看看这些数字是否有意义）非常感谢皮特堡详细的回答和正确的解决方案。非常感谢皮特堡详细的回答。现在，我理解了我的错误。作业价格为=…这是个坏主意，因为groupby返回按符号排序的值。HELN.SW是原始数据帧中许多符号中的第一个符号。从groupby返回的第一个符号是0012.HK。因此，我将0012.HK的移动平均数加入到HELN.SW中。应用代码后，生成的数据帧开始如下“”，日期符号Close avg 0 2000-01-040012.HK 13.450359 NaN 1 2000-01-05 0012.HK 12.474124 NaN 2 2000-01-06 0012.HK 11.687712 12.53 3 2000-01-07 0012.HK 11.904655 12.02“