Python 通过滚动平均值/中间值进行分组，并删除缺失值

如何通过滚动平均值/中间值来删除缺失值？即，如果存在缺失值，则在计算平均值/中值之前，输出应删除缺失值，而不是给我NaN

将熊猫作为pd导入
t=pd.DataFrame（data={v.date:[0,0,0,1,1,1,1,2,2,2]，
“i0”：[0,1,2,3,0,1,2,3,0,1,2,3]，
“i1”：[A']*12，
‘x’：[10,20,30,np.nan，np.nan，21,np.nan，41,np.nan，np.nan，32,42.]
t、 设置索引（[v.date，'i0'，'i1'，inplace=True）
t、 排序索引（就地=真）
打印（t）
打印（t.groupby（'date'）.apply（lambda x:x.rolling（window=2.mean（）））

给予

x
日期i0 i1
0 0 A 10.0
1A 20.0
2 A 30.0
3阿南
10阿南
1A 21.0
2阿南
3 A 41.0
20阿南
1阿南
2 A 32.0
3 A 42.0
x
日期i0 i1
阿南
1A 15.0
2 A 25.0
3阿南
10阿南
1阿南
2阿南
3阿南
20阿南
1阿南
2阿南
3 A 37.0

虽然我希望此示例具有以下内容：

x
日期i0 i1
0 0 A 10.0
1A 15.0
2 A 25.0
3 A 30.0
10阿南
1A 21.0
2 A 21.0
3 A 41.0
20阿南
1阿南
2 A 32.0
3 A 37.0

我试过的

t.groupby（'date'）.apply（lambda x:x.rolling（window=2.dropna（）.median（））

及

t.groupby（'date'）。应用（lambda x:x.rolling（窗口=2）。中值（dropna=True））

（两者都提出了例外，但可能存在类似的情况）

---

谢谢你的帮助

您正在寻找

最小周期

？请注意，您不需要

apply

，直接调用

GroupBy.Rolling

：

t.groupby('date', group_keys=False).rolling(window=2, min_periods=1).mean()
               x
date i0 i1      
0    0  A   10.0
     1  A   15.0
     2  A   25.0
     3  A   30.0
1    0  A    NaN
     1  A   21.0
     2  A   21.0
     3  A   41.0
2    0  A    NaN
     1  A    NaN
     2  A   32.0
     3  A   37.0

---

，添加min_Period我感觉stack的服务器今天出现故障，无法及时看到问题：-（@WeNYoBen Yeah same.顺便说一句，这是一个重复吗？我觉得很接近，但这里的min periods用例略有不同。我不认为这是dup，因为他有两个问题，忘了添加min_periods，也不应该使用滚动apply@cs95我使用apply，因为有一个，它将只在pandas-0.2中固定5.如果不使用apply（两个“日期”索引级别），看看你的输出有多混乱。@S.V没有注意到这一点，但已修复；）