大熊猫整周的窗口

Question

我在 pandas 中寻找一个特殊的window function：类似于rolling 和 expanding 的组合。为了计算（例如）平均值和标准偏差，我想考虑所有过去的数据，但忽略前几条记录以确保我有 7 的倍数（在我的情况下为天）。那是因为我知道数据具有很强的每周模式。

例子：

s = pd.Series([1, 3, 4, 5, 4, 3, 1, 2, 4, 5, 4, 5, 4, 2, 1, 3, 4, 5, 4, 3, 1, 3],
              pd.date_range('2020-01-01', '2020-01-22'))
s.rolling(7, 7).mean()   # Use last 7 days.
s.expanding(7).mean()    # Use all past days.
s.mywindowing(7).mean()  # Use last past multiple of 7 days. How?

效果应该是这样的：

当然，我可以使用for 循环等手动执行操作，但我想现有的 pandas 机器可以用来执行此操作...？

Answer 1

Pandas custom window rolling

另一种用法here

import pandas as pd
import numpy as np
from pandas.api.indexers import BaseIndexer
from typing import Optional, Tuple


class CustomIndexer(BaseIndexer):
    def get_window_bounds(self,
                          num_values: int = 0,
                          min_periods: Optional[int] = None,
                          center: Optional[bool] = None,
                          closed: Optional[str] = None
                          ) -> Tuple[np.ndarray, np.ndarray]:

        end = np.arange(1, num_values+1, dtype=np.int64)
        start = end % 7
        return start, end

indexer = CustomIndexer(num_values=len(s))
s.rolling(indexer).mean().round(2)

输出：

2020-01-01     NaN
2020-01-02     NaN
2020-01-03     NaN
2020-01-04     NaN
2020-01-05     NaN
2020-01-06     NaN
2020-01-07    3.00
2020-01-08    3.14
2020-01-09    3.29
2020-01-10    3.43
2020-01-11    3.29
2020-01-12    3.43
2020-01-13    3.57
2020-01-14    3.36
2020-01-15    3.36
2020-01-16    3.36
2020-01-17    3.36
2020-01-18    3.36
2020-01-19    3.36
2020-01-20    3.36
2020-01-21    3.24
2020-01-22    3.33
Freq: D, dtype: float64