Python 熊猫-无法计算移动平均线

我尝试按照本教程计算SMA：

我想得到所有值的SMA，但我只得到5。在我想要获取值的框架中有17个值。如果我增加滚动窗口，我就不会得到SMA的任何值，这是为什么

谢谢你的帮助，因为我刚接触熊猫

    def example(self):
    frame = {'date': ['2017-06-19', '2017-06-16', '2017-06-15', '2017-06-14', '2017-06-13', '2017-06-12', '2017-06-09', '2017-06-08', '2017-06-07', '2017-06-06', '2017-06-05', '2017-06-02', '2017-06-01', '2017-05-31'], 'indexes': ['146.3400', '142.2700', '144.2900', '145.1600', '146.5900', '145.4200', '148.9800', '154.9900', '155.3700', '154.4500', '153.9300', '155.4500', '153.1800', '152.7600']}

    df = pd.DataFrame(frame)
    df['SMA'] = df.iloc[:, 1].rolling(window=4).mean()
    print(df.head())

输出：

         date   indexes     SMA
0  2017-06-19  146.3400       NaN
1  2017-06-17  142.2700       NaN
2  2017-06-16  144.2900       NaN
3  2017-06-15  145.1600  144.5150
4  2017-06-14  146.5900  144.5775

---

计算移动平均值时，需要对其进行

n

采样，这是移动窗口的大小。因为您已经设置了

window=4

，所以需要4个样本来计算平均值。也就是说，这些

NaN

值只是表明，在这一点上，没有足够的数据来计算窗口大小为4的MA。

计算移动平均值时，需要对其进行

n

采样，即移动窗口的大小。因为您已经设置了

window=4

，所以需要4个样本来计算平均值。也就是说，这些

NaN

值只是表明，在这一点上，没有足够的数据来计算窗口大小为4的MA。

解决方案 如果必须始终使用窗口4计算滚动平均值，则需要使用

'NA'

删除结果。但是，如果您想要的只是在没有足够的观测值时计算滚动平均值，那么可以使用类似于

df[column\u name].rolling（window=4，min\u periods=1）

的方法。但请注意，这不是正确的滚动平均值。这里有一个例子

例子

#虚拟数据
df=pd.DataFrame（日期，列=['Date']））
df['Counts']=[16,6,8,5,15,7]
#计算最小优先级为1的滚动平均值
df['rolling_mean']=df.Counts.rolling（窗口=4，最小周期=1）.mean（）
打印（df）

输出：

日期计数滚动平均值
0 2020-01-01      16         16.00
1 2020-01-02       6         11.00
2 2020-01-03       8         10.00
3 2020-01-04       5          8.75
4 2020-01-05      15          8.50
5 2020-01-06       7          8.75

正在删除

NA

值

df.Counts.rolling（窗口=4.mean（）.dropna（））
##输出
# 3    8.75
# 4    8.50
# 5    8.75
#名称：计数，数据类型：float64

将

NA

值替换为某些首选值 比方说，您想用

0

替换所有

NA

值。这是你需要做的

df.Counts.rolling（窗口=4.mean（）.fillna（0）
##输出
# 0    0.00
# 1    0.00
# 2    0.00
# 3    8.75
# 4    8.50
# 5    8.75
#名称：计数，数据类型：float64

解决方案 如果必须始终使用窗口4计算滚动平均值，则需要使用

'NA'

删除结果。但是，如果您想要的只是在没有足够的观测值时计算滚动平均值，那么可以使用类似于

df[column\u name].rolling（window=4，min\u periods=1）

的方法。但请注意，这不是正确的滚动平均值。这里有一个例子

例子

#虚拟数据
df=pd.DataFrame（日期，列=['Date']））
df['Counts']=[16,6,8,5,15,7]
#计算最小优先级为1的滚动平均值
df['rolling_mean']=df.Counts.rolling（窗口=4，最小周期=1）.mean（）
打印（df）

输出：

日期计数滚动平均值
0 2020-01-01      16         16.00
1 2020-01-02       6         11.00
2 2020-01-03       8         10.00
3 2020-01-04       5          8.75
4 2020-01-05      15          8.50
5 2020-01-06       7          8.75

正在删除

NA

值

df.Counts.rolling（窗口=4.mean（）.dropna（））
##输出
# 3    8.75
# 4    8.50
# 5    8.75
#名称：计数，数据类型：float64

将

NA

值替换为某些首选值 比方说，您想用

0

替换所有

NA

值。这是你需要做的

df.Counts.rolling（窗口=4.mean（）.fillna（0）
##输出
# 0    0.00
# 1    0.00
# 2    0.00
# 3    8.75
# 4    8.50
# 5    8.75
#名称：计数，数据类型：float64

谢谢，所以除非使用window=1，否则无法获取今天的移动平均值？如果我用1，那它就没用了？如何增加行数？移动平均值依赖于样本的移动窗口。要使其正常工作，您确实需要指定给移动窗口的采样数。您可以编写某种脚本，使用较少的样本为这些

NaN

数据生成值，但这样它们就不会完全是移动平均值。是的，移动窗口大小为1是非常无用的，因为它引用了最新值的副本。要增加行数，可能需要更多数据。我不知道您显示的是什么数据，也不知道它来自何处，因此我无法帮助您获取更多数据。谢谢，因此除非使用window=1，否则无法获取今天的移动平均值？如果我用1，那它就没用了？如何增加行数？移动平均值依赖于样本的移动窗口。要使其正常工作，您确实需要指定给移动窗口的采样数。您可以编写某种脚本，使用较少的样本为这些

NaN

数据生成值，但这样它们就不会完全是移动平均值。是的，移动窗口大小为1是非常无用的，因为它引用了最新值的副本。要增加行数，可能需要更多数据。我不知道您显示的是什么数据，也不知道它来自何处，因此我无法帮助您获取更多数据。@brodude请查看此选项。嗨！非常感谢你的解释。我会把它作为解决方案，但加布里埃尔给了我正确的方向，我已经把他的答案作为解决方案。再次感谢您的长期友好合作walktrough@brodude没问题。但是，如果看到任何答案的优点，请考虑投票给他们。另外，请注意，Stackoverflow支持在任何时间点对最佳答案进行向上投票。作为问题的作者，你是法官