Pandas：获取动态行数的平均值

Question

我有一个带有时间戳列/索引的数据框，我正在计算过去5秒钟的移动平均值。 df['Mid-Price'].rolling(window=time_diff, min_periods=1, closed='both').mean() 到目前为止一切顺利。 现在我还需要计算接下来5秒钟的移动平均值。然而，我的时间戳不是均匀分布的，因此我不能只是将数据框移位以重新计算第二个平均值。

数据看起来像这样：

   Timestamp             Price    Start Stop 
0, 2019-01-02 08:30:00,  56.565,  0,    5
1, 2019-01-02 08:30:01,  56.565,  1,    6
2, 2019-01-02 08:30:02,  56.565,  2,    6
3, 2019-01-02 08:30:03,  56.540,  3,    7
4, 2019-01-02 08:30:04,  56.545,  4,    7
5, 2019-01-02 08:30:05,  56.545,  5,    8
6, 2019-01-02 08:30:07,  56.540,  6,    10
7, 2019-01-02 08:30:09,  56.550,  7,    12
8, 2019-01-02 08:30:10,  56.545,  8,    12
9, 2019-01-02 08:30:11,  56.550,  9,    12
10,2019-01-02 08:30:12,  56.570,  10,   13

例如：在索引5处，过去5秒钟的平均值为56.5541。我需要计算接下来5秒钟的平均值，不包括当前时间，即索引6、7、8（56.545）。

使用df.index.get_indexer()函数，我能够提取要包含在平均值中的最后一行的索引。

df['stop'] = df.index.get_indexer(df['Date-Time-Exch'] + time_diff, method='bfill')

我希望能够以类似于iloc切片的方式使用“start”和“stop”中的值

df.iloc[df['start']:df['stop'], 1].mean()

但这并不起作用。

或者，我想到了这个：

def get_indexes(time_index, offset):
    start, end = df.index.get_indexer([time_index, time_index + offset], method='bfill')
    avg = df.iloc[start + 1:end + 1, 1].mean()
    return avg

使用.apply()方法的速度太慢，无法发挥作用。

希望你能帮助我，因为我已经卡在这个问题上有一段时间了。

- NoraTheFlora

---

在索引5处，过去5秒钟的平均值应为55.41。也许你想写的是56.5541。 - Alex Bochkarev

确切地说，是的。 - NoraTheFlora

Answer 1

您可以通过将数据框倒转，然后计算滚动平均值，再次倒转来计算向前滚动。此外，在执行此操作时，您需要指定closed='left'（请参见文档），因为您不希望在向前平均值中包含当前值：

rolling = df.Price.rolling(window='5s', closed='both').mean().rename('Mean past')
rolling_forward = df[::-1].Price.rolling(window='5s', closed='left').mean()[::-1].rename('Mean future')
df[['Price']].merge(rolling, on='Timestamp').merge(rolling_forward, on='Timestamp')

将会输出

                    Price   Mean past   Mean future
Timestamp           
2019-01-02 08:30:00 56.565  56.565000   56.552000
2019-01-02 08:30:01 56.565  56.565000   56.548750
2019-01-02 08:30:02 56.565  56.565000   56.542500
2019-01-02 08:30:03 56.540  56.558750   56.543333
2019-01-02 08:30:04 56.545  56.556000   56.545000
2019-01-02 08:30:05 56.545  56.554167   56.545000
2019-01-02 08:30:07 56.540  56.547000   56.553750
2019-01-02 08:30:09 56.550  56.545000   56.555000
2019-01-02 08:30:10 56.545  56.545000   56.560000
2019-01-02 08:30:11 56.550  56.546250   56.570000
2019-01-02 08:30:12 56.570  56.551000   NaN

- Alex Bochkarev

---

非常感谢，这似乎对我有用。 我想为您的问题点赞，但是没有足够的声望。 - NoraTheFlora