Python 数据帧滚动平均有效

我有一个巨大的数据帧，经常添加一行。 我希望在添加一行后更新滚动平均值（在最近的时间窗口内）和标准偏差。有人知道熊猫是使用新包含/删除行的增量在固定时间内自动执行此操作，还是重新计算平方和和

编辑：已要求提供一个示例来解释我所说的恒定时间滚动平均更新的含义：

data_set = (1,2,3)
old_mean = 2

new_value: 4
expired_value = 1
new_mean = (old_mean * num_of_values - expired_value + new_value) / num_values
         = (2 * 3 - 1 + 4) / 3
         = 3

---

^恒定时间。这对于大型数据帧很重要。

从性能数据和代码来看，熊猫没有进行您要求的任何优化（*我对代码没有深入的了解，所以可能我遗漏了一些东西）。只要看一看，您就不会发现任何将任何预计算值考虑在内的过滤器。 如果你仔细想想，你可能会得出结论，熊猫需要记住所有“脏”行，这些行的值都发生了变化。这是相当内存密集型的操作。 看看性能数据，这一点也适用：

import pandas
import numpy
df = pandas.DataFrame({'A':numpy.random.random(20000000)})
r = df.rolling(3)

CPU时间：用户312毫秒，系统515毫秒，总计828毫秒 墙时间：836毫秒

# Add one row
df.loc[len(df)] = {'A': numpy.random.random(1)[0]}

CPU时间：用户334毫秒，系统534毫秒，总计868毫秒 壁时间：950毫秒 无论您执行单元格的频率有多高，时间都不会有多大变化。 那么，你如何才能提高时间？ 让我们以此为基础将其他结果与以下结果进行比较：

%timeit df.rolling(3).mean()

每个回路854 ms±38.5 ms（7次运行的平均值±标准偏差，每个回路1次）

这将计算窗口大小为3的所有行的平均值。 为了根据新行的最后相关行计算平均值，您只能使用pandas进行计算：

%timeit df.iloc[-3:, df.columns.get_loc('A')].mean()

每个回路192µs±21.9µs（7次运行的平均值±标准偏差，每个1000个回路）

这已经是4000多倍的进步。 但使用numpy直接增加了更多：

%timeit df.values[-3:].mean()

每个回路15.2µs±699纳秒（7次运行的平均值±标准偏差，每个100000个回路）

这远高于8000x。

---

没有更多的努力，这是最快的。但是请注意，当您自己在较低级别上实现操作时，您会失去pandas提供的一些便利（类型检查和转换等）。如果您想使用Cython，则更是如此。

这是一个相当简单的操作，请提供一个滚动平均部分易于理解的示例，但是您仍然没有提供数据帧。听起来你只是想要

df.rolling（3）.mean（）

，所以我的问题是，它的mean（）部分是一个随着新行的添加而在固定时间内更新的属性，还是一个每次添加都会费力地遍历df的滚动部分中所有行的方法？

%timeit df.iloc[-3:, df.columns.get_loc('A')].mean()

%timeit df.values[-3:].mean()