Pandas 滚动 std 产生不一致的结果并且与 values.std 不同答案

【问题标题】：Pandas rolling std yields inconsistent results and differs from values.stdPandas 滚动 std 产生不一致的结果并且与 values.std 不同
【发布时间】：2020-03-03 00:44:41
【问题描述】：

使用 pandas v1.0.1 和 numpy 1.18.1，我想计算时间序列上不同窗口大小的滚动平均值和标准差。在我正在使用的数据中，对于一些后续点，这些值可以是恒定的，例如 - 根据窗口大小 - 滚动平均值可能等于窗口中的所有值，并且相应的 std 预计为 0。

但是，根据窗口大小，我看到使用相同 df 的行为会有所不同。

MWE：

for window in [3,5]:
    values = [1234.0, 4567.0, 6800.0, 6810.0, 6821.0, 6820.0, 6820.0, 6820.0, 6820.0, 6820.0, 6820.0]
    df = pd.DataFrame(values, columns=['values'])
    df.loc[:, 'mean'] = df.rolling(window, min_periods=1).mean()
    df.loc[:, 'std'] = df.rolling(window, min_periods=1).std(ddof=0)
    print(df.info())
    print(f'window: {window}')
    print(df)
    print('non-rolling result:', df['values'].iloc[len(df.index)-window:].values.std())
    print('')

输出：

window: 3
    values         mean          std
0   1234.0  1234.000000     0.000000
1   4567.0  2900.500000  1666.500000
2   6800.0  4200.333333  2287.053757
3   6810.0  6059.000000  1055.011216
4   6821.0  6810.333333     8.576454
5   6820.0  6817.000000     4.966555
6   6820.0  6820.333333     0.471405
7   6820.0  6820.000000     0.000000
8   6820.0  6820.000000     0.000000
9   6820.0  6820.000000     0.000000
10  6820.0  6820.000000     0.000000
non-rolling result: 0.0

window: 5
    values         mean          std
0   1234.0  1234.000000     0.000000
1   4567.0  2900.500000  1666.500000
2   6800.0  4200.333333  2287.053757
3   6810.0  4852.750000  2280.329732
4   6821.0  5246.400000  2186.267193
5   6820.0  6363.600000   898.332366
6   6820.0  6814.200000     8.158431
7   6820.0  6818.200000     4.118252
8   6820.0  6820.200000     0.400000
9   6820.0  6820.000000     0.000021
10  6820.0  6820.000000     0.000021
non-rolling result: 0.0

正如预期的那样，对于 idx 7、8、9、10 使用 3 的窗口大小，std 为 0。对于 5 的窗口大小，我希望 idx 9 和 10 产生 0。但是，结果是不同的从 0 开始。

如果我“手动”计算每个窗口大小的最后一个窗口的标准值（分别使用 idxs 8,9,10 和 6,7,8,9,10），我得到的预期结果都是 0案例。

有人知道这里可能是什么问题吗？任何数字警告？

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

似乎在pd.rolling 中实现std() 更喜欢高性能而不是数值精度。但是您可以应用np 版本的标准差：

df.loc[:, 'std'] = df.rolling(window, min_periods=1).apply(np.std)

结果：

    values          std
0   1234.0     0.000000
1   4567.0  1666.500000
2   6800.0  2287.053757
3   6810.0  2280.329732
4   6821.0  2186.267193
5   6820.0   898.332366
6   6820.0     8.158431
7   6820.0     4.118252
8   6820.0     0.400000
9   6820.0     0.000000
10  6820.0     0.000000

现在精度更好了。

【讨论】：