使用 pandas v1.0.1 和 numpy 1.18.1 版本,我想在时间序列上使用不同的窗口大小来计算滚动均值和标准差。在我工作的数据中,某些连续点的值可能是恒定的,因此根据窗口大小的不同,滚动均值可能等于窗口中的所有值,相应的标准差预期为 0。
但是,我发现在使用相同的 df 时,具有不同的窗口大小会有不同的行为。
最小可复现代码(MWE):
如预期所料,对于使用窗口大小为3的idx 7、8、9、10,标准差为0。对于窗口大小为5的情况,我期望idx 9和10的结果为0. 但是,结果与0不同。
如果我针对每个窗口大小的最后一个窗口(分别使用idx 8、9、10和6、7、8、9、10)手动计算标准差,我会得到两种情况下的预期结果为0。
有人知道这里可能出了什么问题吗?任何数值注意事项吗?
但是,我发现在使用相同的 df 时,具有不同的窗口大小会有不同的行为。
最小可复现代码(MWE):
for window in [3,5]:
values = [1234.0, 4567.0, 6800.0, 6810.0, 6821.0, 6820.0, 6820.0, 6820.0, 6820.0, 6820.0, 6820.0]
df = pd.DataFrame(values, columns=['values'])
df.loc[:, 'mean'] = df.rolling(window, min_periods=1).mean()
df.loc[:, 'std'] = df.rolling(window, min_periods=1).std(ddof=0)
print(df.info())
print(f'window: {window}')
print(df)
print('non-rolling result:', df['values'].iloc[len(df.index)-window:].values.std())
print('')
输出:
window: 3
values mean std
0 1234.0 1234.000000 0.000000
1 4567.0 2900.500000 1666.500000
2 6800.0 4200.333333 2287.053757
3 6810.0 6059.000000 1055.011216
4 6821.0 6810.333333 8.576454
5 6820.0 6817.000000 4.966555
6 6820.0 6820.333333 0.471405
7 6820.0 6820.000000 0.000000
8 6820.0 6820.000000 0.000000
9 6820.0 6820.000000 0.000000
10 6820.0 6820.000000 0.000000
non-rolling result: 0.0
window: 5
values mean std
0 1234.0 1234.000000 0.000000
1 4567.0 2900.500000 1666.500000
2 6800.0 4200.333333 2287.053757
3 6810.0 4852.750000 2280.329732
4 6821.0 5246.400000 2186.267193
5 6820.0 6363.600000 898.332366
6 6820.0 6814.200000 8.158431
7 6820.0 6818.200000 4.118252
8 6820.0 6820.200000 0.400000
9 6820.0 6820.000000 0.000021
10 6820.0 6820.000000 0.000021
non-rolling result: 0.0
如预期所料,对于使用窗口大小为3的idx 7、8、9、10,标准差为0。对于窗口大小为5的情况,我期望idx 9和10的结果为0. 但是,结果与0不同。
如果我针对每个窗口大小的最后一个窗口(分别使用idx 8、9、10和6、7、8、9、10)手动计算标准差,我会得到两种情况下的预期结果为0。
有人知道这里可能出了什么问题吗?任何数值注意事项吗?