Python 基于窗口的熊猫加权平均
我正在尝试对两列进行基于窗口的加权平均 例如,如果我有值列“a”和权重列“b” 尾随窗口为2(尽管我喜欢使用可变窗口长度) 我的第三个加权平均值列应该是“c”,其中没有足够的完整加权平均值之前数据的行是nanPython 基于窗口的熊猫加权平均,python,pandas,Python,Pandas,我正在尝试对两列进行基于窗口的加权平均 例如,如果我有值列“a”和权重列“b” 尾随窗口为2(尽管我喜欢使用可变窗口长度) 我的第三个加权平均值列应该是“c”,其中没有足够的完整加权平均值之前数据的行是nan c 1: nan 2: (1 * 2 + 2 * 3) / (2 + 3) = 1.8 3: (2 * 3 + 3 * 4) / (3 + 4) = 2.57 对于窗口为2的特殊情况,您可以使用prod和shift s = df.prod(1) (s + s.shift()) /
c
1: nan
2: (1 * 2 + 2 * 3) / (2 + 3) = 1.8
3: (2 * 3 + 3 * 4) / (3 + 4) = 2.57
对于窗口为2的特殊情况,您可以使用
prod
和shift
s = df.prod(1)
(s + s.shift()) / (df.b + df.b.shift())
Out[189]:
1 NaN
2 1.600000
3 2.571429
dtype: float64
在样本df2
上:
a b
0 73.78 51.46
1 73.79 27.84
2 73.79 34.35
s = df2.prod(1)
(s + s.shift()) / (df2.b + df2.b.shift())
Out[193]:
0 NaN
1 73.783511
2 73.790000
dtype: float64
这种方法仍然适用于可变窗口长度。对于可变窗口长度,您需要额外的listcomp和
sum
试用上面的示例df2
s = df2.prod(1)
m = 2 #window length 2
sum([s.shift(x) for x in range(m)]) / sum([df2.b.shift(x) for x in range(m)])
Out[214]:
0 NaN
1 73.783511
2 73.790000
dtype: float64
关于窗长3
m = 3 #window length 3
sum([s.shift(x) for x in range(m)]) / sum([df2.b.shift(x) for x in range(m)])
Out[215]:
0 NaN
1 NaN
2 73.785472
dtype: float64
我编辑了我的解决方案来处理可变窗口长度:)我将不得不做更多的测试,但我相信这是我想要的
m = 3 #window length 3
sum([s.shift(x) for x in range(m)]) / sum([df2.b.shift(x) for x in range(m)])
Out[215]:
0 NaN
1 NaN
2 73.785472
dtype: float64