Python 3.x Python中时间序列数据上高斯形状的移动窗口

我很快就开始了Python、Pandas、Numpy等的硕士论文学习。它涉及将时间序列（传感器）数据输入LSTM（多类分类问题）。当前数据集表示具有32个特征（列）的数据帧

我的目标： 我想验证移动窗口和其他方法对LSTM模型性能的影响。为此，我已经实现了一种移动窗口方法（中值），其大小为10，并对整个轨迹进行指数平滑：

#Window size: 10
df_Median = df.rolling(10).median()
#application on whole trace
df_EWM_mean = df.ewm(alpha=0.2).mean()

我的挑战： 第三种方法应该是高斯形状的移动窗口（高斯核）。我根据Pandas文档实施了它：

这确实有效。但标准偏差参数stdDev必须由窗口内的10个当前数据点计算，而不是从整个轨迹计算。。。因此，我必须选择10个当前数据点，计算STDEV，将其交给函数，将窗口向右移动10个点，然后从头开始

如何做到这一点？我对蟒蛇、熊猫等很陌生。 所以我非常感谢你的提示

非常感谢

for header, content in df.iteritems():
    stdDev = np.std(content)
    if stdDev != 0:
    win_len = 10
    df_Gauss = df.loc[:,header].rolling(win_len, win_type='gaussian').mean(std=stdDev)