我想考虑周期性边界条件进行移动平均。我试图让自己更清楚。
我有此数据:
Date,Q
1989-01-01 00:00,0
1989-01-02 00:00,1
1989-01-03 00:00,4
1989-01-04 00:00,6
1989-01-05 00:00,8
1989-01-06 00:00,10
1989-01-07 00:00,11
我想考虑以下3个数据来计算移动平均值。特别是,我想在“滚动”功能中使用相同的选项,其中第一个数据(在python框架中为0)能够考虑到最后一个,反之亦然。这将使我拥有一种周期性的边界条件。
实际上,我已经应用了以下内容:首先,我阅读了数据框
df = pd.read_csv(fname, index_col = 0, parse_dates=True)
然后我将“滚动”应用为
df['Q'] = pd.Series(df["Q"].rolling(3, center=True).mean())
但是,我得到以下结果:
Date
1989-01-01 NaN
1989-01-02 1.66
1989-01-03 3.66
1989-01-04 6
1989-01-05 8
1989-01-06 9.66
1989-01-07 NaN
我知道我可以应用“ min_periods = 1”选项,但这不是我想要的。确实,很明显,第二行的结果是正确的:
1.66 = (0+1+4)/3
但是,我想在第一行得到这个结果:
(0+1+11)/3
您会注意到,数字11是最后一行的值。同样,我希望在最后一行:
(10+11+0)/3
其中0是第一行的值。
您有什么建议或想法吗?
谢谢,
迭戈
df.loc[df.index[0] - pd.offsets.Day(1), 'Q'] = df.iloc[-1]['Q']
df.loc[df.index[-2] + pd.offsets.Day(1), 'Q'] = df.iloc[0]['Q']
df = df.sort_index()
df['Q'] = pd.Series(df["Q"].rolling(3, center=True).mean())
它按预期提供:
Q Date 1989-01-01 4.000000 1989-01-02 1.666667 1989-01-03 3.666667 1989-01-04 6.000000 1989-01-05 8.000000 1989-01-06 9.666667 1989-01-07 7.000000