使用 Datetime.Offset 滚动移动平均线答案

【问题标题】：Rolling moving average using Datetime.Offset使用 Datetime.Offset 滚动移动平均线
【发布时间】：2021-07-11 07:26:02
【问题描述】：

我有一个时间序列的每日数据，我想取某个时期的滚动平均值。 Datetime.Offset 可以做到这一点吗？

代码可能如下所示：

l = [7.71, 7.79, 6.80, 6.44, 6.46, 6.80] 

index = pd.DatetimeIndex(['2016-01-04', '2016-01-05', '2016-01-06', 
                      '2017-01-04' ,'2017-01-05' ,'2017-01-06'])

df = pd.DataFrame(l, columns=['col'], index = index)

我想要计算时间序列的年平均值。使用上述数字，输出应如下所示：

2017-01-04  7.185
2017-01-05  6.873
2017-01-05  6.625

我试着写成这样

df.rolling(window=1, freq='A').mean()

但收到以下错误消息：

TypeError: rolling() got an unexpected keyword argument 'freq'

我也尝试了以下方法：

do = pd.DateOffset(years = 1)

eps.rolling(window=do).mean()

但收到以下错误消息：

ValueError: <DateOffset: years=1> is a non-fixed frequency

这可能与rollong有关还是我应该尝试其他方法？

【问题讨论】：

您能否确认所需的输出是如何计算的？

标签： python pandas rolling-computation datetimeoffset

【解决方案1】：

您的错误的原因是 rolling 没有采用 freq 参数。要使用年度滚动窗口，您必须使用365D，如here 所述。问题是1Y 可能有不同的天数，即频率是“非固定的”。

在你的情况下，这将转化为

df.rolling('365D').mean()

【讨论】：

【解决方案2】：

首先将您的索引转换为 DatetimeIndex。

df.index = pd.to_datetime(df.index)

按月和日分组并计算平均值

df_ = df.groupby([df.index.month, df.index.day]).mean()

# print(df_)

       col
1 4  7.075
  5  7.125
  6  6.800

如果你想得到一个正常的索引，你可以这样做

df_ = df.groupby([df.index.month, df.index.day]).mean()
df_ = df_.reset_index()
df_['month-day'] = df_['level_0'].astype(str) + '-' + df_['level_1'].astype(str)
df_.drop(['level_0', 'level_1'], axis=1, inplace=True)

# print(df_)

     col month-day
0  7.075       1-4
1  7.125       1-5
2  6.800       1-6

或者您可以创建一个带有月份和日期的新列

df['month-day'] = df.index.strftime('%m-%d')
df_ = df.groupby('month-day').mean().reset_index()

# print(df_)

  month-day    col
0     01-04  7.075
1     01-05  7.125
2     01-06  6.800

【讨论】：