Python 3.x 使用Python3.5和pandas的相对定位

我正在格式化一些csv文件，我需要添加使用其他列进行算术运算的列。与Excel一样，

B3=sum（A1:A3）/3

，然后

B4=sum（A2:A4）/3

。我已经查找了相关索引，但还没有找到我要做的事情

def formula_columns(csv_list, dir_env):
    for file in csv_list:
        df = pd.read_csv(dir_env + file)
        avg_12(df)
        print(df[10:20])

# Create AVG(12) Column
def avg_12 ( df ):
    df[ 'AVG(12)' ] = df[ 'Price' ]
    # Right Here I want to set each value of 'AVG(12)' to equal
    # the sum of the value of price from its own index plus the
    # previous 11 indexes
    df.loc[:10, 'AVG(12)'] = 0

---

我会想象这是一项普通的任务，我会假设我找错了地方。如果有人有什么建议，我将不胜感激。

这可以通过滚动法完成：

import numpy as np
import pandas as pd
np.random.seed(1)
df = pd.DataFrame(np.random.randint(1, 5, 10), columns = ['A'])

df
Out[151]: 
   A
0  2
1  4
2  1
3  1
4  4
5  2
6  4
7  2
8  4
9  1

取A1:A3、A2:A4等的平均值：

df.rolling(3).mean()
Out[152]: 
          A
0       NaN
1       NaN
2  2.333333
3  2.000000
4  2.000000
5  2.333333
6  3.333333
7  2.666667
8  3.333333
9  2.333333

它需要18只熊猫。对于早期版本，请使用

pd.rolling\u mean（）

：

---

该解决方案适用于此特定示例。如果我想要

B3=A2

B4=A3

怎么办？请使用shift:

df['B']=df['A']。shift（1）

谢谢！我想我需要花些时间来研究数据帧函数。

pd.rolling_mean(df['A'], 3)