如何在Pandas数据框的每一行上使用.rolling()？

Question

我创建了一个Pandas数据框架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:

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?

这个方法应该是有效的，但是会导致错误:

df['A_B_moving_average'] = df.rolling(window=50, axis="rows") \
                             .apply(lambda row: (np.mean(row.A) + np.mean(row.B)) / 2)

错误信息为：

NotImplementedError: ops for Rolling for this dtype datetime64[ns] are not implemented

附录A：创建Pandas数据框的代码

以下是我创建测试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
)

- Contango

---

更新：如果我删除 'DateTime': dates, 这一行，那么会出现不同的错误：AttributeError: 'numpy.ndarray' object has no attribute 'A'。 - Contango

Answer 1

我无法找到一个直接的解决方案来使用多列在rolling中的一般问题 - 但在您的特定情况下，您可以只取A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()

---

仅作解释：如果您使用axis='rows'指定整个DataFrame进行滚动，则每列将单独执行。因此：

df['A_B_moving_average'] = df.rolling(window=5, axis='rows').mean()

首先对A进行滚动窗口计算（成功），然后对B进行计算（成功），最后对DateTime进行计算时出现错误。每个滚动窗口都是一个普通的NumPy数组，因此无法访问“列名称”。下面使用print进行演示：

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]

第一个数组来自列 A，最后一个数组来自列 B，并且它们都是普通数组。

- MSeifert