使用pandas计算简单的历史平均值

Question

我有一个如下所示的数据帧

data = pd.DataFrame({'day':['1','21','41','61','81','101','121','141','161','181','201','221'],'Sale':[1.08,0.9,0.72,0.58,0.48,0.42,0.37,0.33,0.26,0.24,0.22,0.11]})

我希望通过计算直到day 221的所有记录的平均值来填充day 241的值。同样地，我想通过计算直到day 241的所有记录的平均值来计算day 261的值，以此类推。

例如：通过从day 1到day n-21的所有值的平均值来计算day n的值。

我想做到day 1001。

我尝试了以下内容，但不正确。

df['day'] = df.iloc[:,1].rolling(window=all).mean()

如何在“day”列下为每天创建新行？

我期望输出结果如下所示。

- The Great

Answer 1

听起来你正在寻找扩展平均值:

import numpy as np
import pandas as pd

df = pd.DataFrame({'day': ['1', '21', '41', '61', '81', '101', '121', '141',
                           '161', '181', '201', '221'],
                   'Sale': [1.08, 0.9, 0.72, 0.58, 0.48, 0.42, 0.37, 0.33, 0.26,
                            0.24, 0.22, 0.11]})

# Generate Some new values
to_add = pd.DataFrame({'day': np.arange(241, 301, 20)})

# Add New Values To End of DataFrame
new_df = pd.concat((df, to_add)).reset_index(drop=True)

# Replace Values Where Sale is NaN with the expanding mean
new_df['Sale'] = np.where(new_df['Sale'].isna(),
                          new_df['Sale'].expanding().mean(),
                          new_df['Sale'])
print(new_df)

    day      Sale
0     1  1.080000
1    21  0.900000
2    41  0.720000
3    61  0.580000
4    81  0.480000
5   101  0.420000
6   121  0.370000
7   141  0.330000
8   161  0.260000
9   181  0.240000
10  201  0.220000
11  221  0.110000
12  241  0.475833
13  261  0.475833
14  281  0.475833

将 NaN 替换为1，然后取平均值：

import numpy as np
import pandas as pd

df = pd.DataFrame({'day': ['1', '21', '41', '61', '81', '101', '121', '141',
                           '161', '181', '201', '221'],
                   'Sale': [1.08, 0.9, 0.72, 0.58, 0.48, 0.42, 0.37, 0.33, 0.26,
                            0.24, 0.22, 0.11 ]})

# Generate Some new values
to_add = pd.DataFrame({'day': np.arange(241, 301, 20)})

# Add New Values To End of DataFrame
new_df = pd.concat((df, to_add)).reset_index(drop=True)
# Replace Values Where Sale is NaN with the expanding mean
new_df['Sale'] = np.where(new_df['Sale'].isna(),
                          new_df['Sale'].fillna(1).shift().expanding().mean(),
                          new_df['Sale'])
print(new_df)

    day      Sale
0     1  1.080000
1    21  0.900000
2    41  0.720000
3    61  0.580000
4    81  0.480000
5   101  0.420000
6   121  0.370000
7   141  0.330000
8   161  0.260000
9   181  0.240000
10  201  0.220000
11  221  0.110000
12  241  0.475833
13  261  0.516154
14  281  0.550714

- Henry Ecker

---

为什么计算结果不正确？例如：输出的第13行，应该不是0.5154吗？ - The Great

当我们计算第281天的值时，我希望考虑从过去（从第1天到第261天）的所有值计算出它的值。同样地，当我们进行第301天的计算时，我希望考虑从第1天到第281天的所有值，其中第281天是最近计算出的值。 - The Great

谢谢，我会尝试。尽管如此，我已经接受了答案。但是有一个问题，我们的第二种方法在现实世界中不是很常见吗？也就是说，我们添加一个新记录（带有值），我们期望看到后续值的轻微变化...那么，用1替换“NA”是正常的方法吗？我真的不明白什么时候不应该用1替换“NA”？ - The Great

完全透明化：我不知道，可能有更好的方法。但是一旦到达数据的末尾，扩展平均值将不再改变。您可以自己尝试，无论您多少次将累积平均值添加到系列的末尾，并通过新长度除以该值，该值都不会改变。在这种情况下，fillna用于为每行赋予新含义，但这是一种人为注入。您可以轻松地填充0来模拟下降趋势。 - Henry Ecker