Pandas 高斯滚动加权

假设我有一系列数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

n = 1000
srs = pd.Series(np.random.random(n))

现在，我希望通过该数据滚动高斯滤波器，使权重如下所示：

window = 100

x = np.arange(window)

mu = 60
sigma = 0.2

y = np.exp(-(x-mu)**2 / 2*sigma**2) / np.sqrt(2*np.pi*sigma**2)

plt.plot(x,y)

也就是说，对于长度

100

的每个

窗口

，第60个条目具有最大权重，其他条目按照高斯公式衰减

使用

.rolling（）

？

可用于获取加权平均值：

将numpy导入为np
作为pd进口熊猫
n=1000
窗口大小=100
srs=pd系列（np.随机。随机（n））
μ=60
西格玛=0.2
x=np.arange（窗口大小）
权重=np.exp（-（x-mu）**2/2*西格玛**2）/np.sqrt（2*np.pi*西格玛**2）
srs.滚动（窗口）.应用（λwndw:np.平均值（wndw，重量=重量））

这与：

srs.rolling（window）.apply（lambda wndw:（wndw*weights.sum（）/weights.sum（））

---

请注意，如果您试图传递小于

窗口的
min\u时段
，则此操作将中断，因为
np。平均值
要求
a
和
权重
具有相同的长度。
一旦对每个元素进行权重计算，pandas Series/DataFrame滚动方法需要一个聚合函数。你在寻找加权和/平均值吗？我想
平均值
是可行的。我相信权重是相反的，可能只是变量命名的一个糟糕选择！您的权重称为
y
，我称为
w
的温度变量表示您正在考虑的窗口。我将给它重新命名并加以澄清。