如何在 Pandas 数据框的每一行上使用 .rolling()?
Posted
技术标签:
【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print
s 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。
【讨论】:
以上是关于如何在 Pandas 数据框的每一行上使用 .rolling()?的主要内容,如果未能解决你的问题,请参考以下文章