如何找到具有可变间隔的列的移动平均值（基于最后n个非空值）？

Question

我有一个具有以下格式的数据框：

日期时间	价值	马
1 月 1 日	1	无
1 月 2 日	2	无
1 月 3 日	1	无
1 月 4 日	不适用	无
1 月 5 日	2	无
1 月 6 日	不适用	无
1 月 7 日	不适用	无
1 月 8 日	3	无

我希望以最后 3 个非空值为条件计算“Value”列的移动平均值。

所需输出：

日期时间	价值	马
1 月 1 日	1	1
1 月 2 日	2	1.5
1 月 3 日	1	1.33
1 月 4 日	无	1.33
1 月 5 日	2	1.67
1 月 6 日	无	1.67
1 月 7 日	无	1.67
1 月 8 日	3	2

例如，在 1 月 8 日的行中，移动平均值取最后 3 个非空值 (3,2,1) 来给出值 2，而 1 月 3 日的行仅取 (1,2,1) 来计算移动平均线。因此，由于这种情况，我无法使用 moving.mean() 方法。我还尝试尽可能避免使用循环，因为数据帧很大。解决这个问题的最佳方法是什么？

Answer 1

您可以使用

dropna

删除 NaN，然后使用 rolling.mean

 计算 

reindex

 和 

method=ffill 来填充缺失值：

df['MA'] = (df.dropna(subset=['Value'])['Value']
              .rolling(3, min_periods=1).mean()
              .reindex(df.index, method='ffill')
           )

输出：

  Datetime  Value        MA
0    1 Jan    1.0  1.000000
1    2 Jan    2.0  1.500000
2    3 Jan    1.0  1.333333
3    4 Jan    NaN  1.333333
4    5 Jan    2.0  1.666667
5    6 Jan    NaN  1.666667
6    7 Jan    NaN  1.666667
7    8 Jan    3.0  2.000000

Answer 2

首先通过

Series.dropna

去除缺失值，计算滚动平均值，然后前向缺失值：

df['MA'] = df['Value'].dropna().rolling(3, min_periods=1).mean()
df['MA'] = df['MA'].ffill()

或者用方法Series.reindex

添加

ffill:

df['MA'] = (df['Value'].dropna().rolling(3, min_periods=1).mean()
                       .reindex(df.index, method='ffill'))

---

print (df)
  Datetime  Value        MA
0    1 Jan    1.0  1.000000
1    2 Jan    2.0  1.500000
2    3 Jan    1.0  1.333333
3    4 Jan    NaN  1.333333
4    5 Jan    2.0  1.666667
5    6 Jan    NaN  1.666667
6    7 Jan    NaN  1.666667
7    8 Jan    3.0  2.000000