Python 不包括行，以便在大熊猫中计算滚动平均值

我正在寻找解决这个问题的方法，我有一个数据帧

df
         A     RM
    0  384    NaN
    1  376  380.0
    2  399  387.5
    3  333  366.0
    4  393  363.0
    5  323  358.0
    6  510  416.5
    7  426  468.0
    8  352  389.0 

我想看看df['A']>[Previous]RM值中的值是否应该是新列状态的

0

updated else

     A     RM  Status
0  384    NaN       0
1  376  380.0       1
2  399  387.5       0
3  333  366.0       1
4  393  363.0       0
5  323  358.0       1
6  510  416.5       0
7  426  468.0       0
8  352  389.0       1

我想我需要将

Shift

与numpy

where

一起使用，但是我没有得到想要的结果

import pandas as pd
import numpy as np
df=pd.DataFrame([384,376,399,333,393,323,510,426,352], columns=['A'])


df['RM']=df['A'].rolling(window=2,center=False).mean()

df['Status'] =  np.where((df.A > df.RM.shift(1).rolling(window=2,center=False).mean()) , 0, 1) 

最后，应用滚动平均法

df.AverageMean=df[df['Status'] == 1]['A'].rolling(window=2,center=False).mean()

---

我想当你与na比较时，它总是1

df['Status'] = (df.A < df.RM.fillna(df.A.max()+1).shift(1)).astype(int)


    A   RM  Status
0   384 NaN     0
1   376 380.0   1
2   399 387.5   0
3   333 366.0   1
4   393 363.0   0
5   323 358.0   1
6   510 416.5   0
7   426 468.0   0
8   352 389.0   1

df['Status']=（df.A

简单的

shift

df['Status']=(df.A<=df.RM.fillna(9999).shift()).astype(int)
df
Out[347]: 
     A     RM  Status
0  384    NaN       0
1  376  380.0       1
2  399  387.5       0
3  333  366.0       1
4  393  363.0       0
5  323  358.0       1
6  510  416.5       0
7  426  468.0       0
8  352  389.0       1

---

df['Status']=（df.A8 352 389.0这应该是1吗？对！它的交叉条件，即352>468.0那么1就太简单了。+1几乎50千分，离传奇还有几天。很好，文！@ScottBoston谢谢你，我甚至没有意识到我接近传奇徽章