使用 pandas Rolling 方法计算加权移动平均值

Posted 2023-03-11

【中文标题】使用 pandas Rolling 方法计算加权移动平均值

【英文标题】：Calculating weighted moving average using pandas Rolling method

【发布时间】：2017-02-06 03:44:33

【问题描述】：

我计算简单移动平均线：

def sma(data_frame, length=15):
    # TODO: Be sure about default values of length.
    smas = data_frame.Close.rolling(window=length, center=False).mean()
    return smas

使用滚动函数可以计算加权移动平均吗？当我阅读in the documentation 时，我认为我必须传递 win_type 参数。但我不确定我必须选择哪一个。

这里是一个definition 加权移动平均线。

提前致谢，

【问题讨论】：

看看np.average，它支持提供权重。

我会在Github 上提出问题。该文档确实具有误导性。 It suggests 可以传递 custom weights，但它没有解释如何做到这一点，并且存储库中没有这样做的示例。跨度>

【参考方案1】：

是的，pandas 的那部分确实没有很好的文档记录。如果您不使用其中一种标准窗口类型，我认为您可能必须使用 rolling.apply() 。我戳了戳它并让它工作：

>>> import numpy as np
>>> import pandas as pd
>>> d = pd.DataFrame('a':range(10), 'b':np.random.random(size=10))
>>> d.b = d.b.round(2)
>>> d
   a     b
0  0  0.28
1  1  0.70
2  2  0.28
3  3  0.99
4  4  0.72
5  5  0.43
6  6  0.71
7  7  0.75
8  8  0.61
9  9  0.14
>>> wts = np.array([-1, 2])
>>> def f(w):                        
        def g(x):
            return (w*x).mean()
        return g
>>> d.rolling(window=2).apply(f(wts))
     a      b
0  NaN    NaN
1  1.0  0.560
2  1.5 -0.070
3  2.0  0.850
4  2.5  0.225
5  3.0  0.070
6  3.5  0.495 
7  4.0  0.395
8  4.5  0.235
9  5.0 -0.165

我认为这是正确的。关闭的原因是rolling.apply的签名是rolling.apply(func, *args, **kwargs)，所以如果你直接将它们发送到函数，权重就会被元组解包，除非你将它们作为一个1元组发送(wts,)，但是这很奇怪。