如何在 Pandas 数据框的每一行上使用 .rolling()？

Posted 2023-03-11

【中文标题】如何在 Pandas 数据框的每一行上使用 .rolling()？

【英文标题】：How to use .rolling() on each row of a Pandas dataframe?

【发布时间】：2018-01-10 20:26:59

【问题描述】：

我创建了一个 Pandas 数据框df：

df.head()
Out[1]: 
                    A           B   DateTime 
2010-01-01  50.662365  101.035099 2010-01-01             
2010-01-02  47.652424   99.274288 2010-01-02            
2010-01-03  51.387459   99.747135 2010-01-03               
2010-01-04  52.344788   99.621896 2010-01-04               
2010-01-05  47.106364   98.286224 2010-01-05               

我可以添加 A 列的移动平均值：

df['A_moving_average'] = df.A.rolling(window=50, axis="rows") \
                             .apply(lambda x: np.mean(x))

问题：如何添加列 A 和 B的移动平均值？

这应该可以，但它给出了一个错误：

df['A_B_moving_average'] = df.rolling(window=50, axis="rows") \
                             .apply(lambda row: (np.mean(row.A) + np.mean(row.B)) / 2)

错误是：

NotImplementedError: ops for Rolling for this dtype datetime64[ns] are not implemented

---

附录 A：创建 Pandas 数据框的代码

这是我创建测试 Pandas 数据框df的方法：

import numpy.random as rnd
import pandas as pd
import numpy as np

count = 1000

dates = pd.date_range('1/1/2010', periods=count, freq='D')

df = pd.DataFrame(
    
        'DateTime': dates,
        'A': rnd.normal(50, 2, count), # Mean 50, standard deviation 2
        'B': rnd.normal(100, 4, count) # Mean 100, standard deviation 4
    , index=dates
)

【问题讨论】：

更新：如果我删除 'DateTime': dates, 行，则会出现不同的错误：AttributeError: 'numpy.ndarray' object has no attribute 'A'

【参考方案1】：

我找不到直接解决在rolling 中使用多列的一般问题 - 但在您的具体情况下，您可以取 A 列和 B 列的平均值，然后应用您的 rolling：

df['A_B_moving_average'] = ((df.A + df.B) / 2).rolling(window=50, axis='rows').mean()

---

正如解释：如果您为rolling 和axis='rows' 指定整个DataFrame，则每列将单独执行。所以：

df['A_B_moving_average'] = df.rolling(window=5, axis='rows').mean()

将首先评估A（有效）的滚动窗口，然后评估B（有效）和DateTime（无效，因此出现错误）。每个滚动窗口都是一个普通的 NumPy 数组，因此您无法访问“列名”。就像使用prints 进行演示一样：

import numpy.random as rnd
import pandas as pd
import numpy as np
count = 10
dates = pd.date_range('1/1/2010', periods=count, freq='D')
df = pd.DataFrame(
    
        'DateTime': dates,
        'A': rnd.normal(50, 2, count), # Mean 50, standard deviation 2
        'B': rnd.normal(100, 4, count) # Mean 100, standard deviation 4
    , index=dates
)
df[['A', 'B']].rolling(window=6, axis='rows').apply(lambda row: print(row) or np.max(row))

打印：

[ 47.32327354  48.12322447  50.86806381  49.3676319   47.81335338
  49.66915104]
[ 48.12322447  50.86806381  49.3676319   47.81335338  49.66915104
  48.01520798]
[ 50.86806381  49.3676319   47.81335338  49.66915104  48.01520798
  48.14089864]
[ 49.3676319   47.81335338  49.66915104  48.01520798  48.14089864
  51.89999973]
[ 47.81335338  49.66915104  48.01520798  48.14089864  51.89999973
  48.76838054]
[ 100.10662696   96.72411985  103.24600664   95.03841539   95.23430836
  102.30955102]
[  96.72411985  103.24600664   95.03841539   95.23430836  102.30955102
   95.18273088]
[ 103.24600664   95.03841539   95.23430836  102.30955102   95.18273088
   97.36751546]
[  95.03841539   95.23430836  102.30955102   95.18273088   97.36751546
   99.25325622]
[  95.23430836  102.30955102   95.18273088   97.36751546   99.25325622
  105.16747544]

第一个来自A 列，最后一个来自B 列，它们都是普通数组。