1

使用 Pandas 1.0，我需要生成一个滚动最大值，其中包含前 3 个观察值的窗口，不包括当前观察值。在 R 中，这是通过

library(tidyverse)

test_df = data.frame(a = 1:5, b = c(40, 37, 60, 45, 40))
​
test_df <- test_df %>% mutate(
    rolling_max=rollapply(b, width = list(-1:-3), max, na.rm = TRUE, partial = 0, align = "right")
)
> test_df
  a  b rolling_max
1 1 40        -Inf
2 2 37          40
3 3 60          40
4 4 45          60
5 5 40          60

在 Python 中，pandas.rolling.apply() 函数似乎没有排除当前观察的方法，因此这会产生意想不到的结果：

import pandas as pd
test_df = pd.DataFrame({'a': [1,2,3,4,5], 'b': [40,37,60,45,40]})
test_df['rolling_max'] = test_df['b'].rolling(3).apply(max)
test_df
   a   b  rolling_max
0  1  40          NaN
1  2  37          NaN
2  3  60         60.0
3  4  45         60.0
4  5  40         60.0

这会输出预期的结果，但它看起来像是一个笨拙且不可扩展的解决方案：

test_df['rolling_max'] = np.fmax(
    test_df['b'].shift(periods=1).to_numpy(), 
    test_df['b'].shift(periods=2).to_numpy(), 
    test_df['b'].shift(periods=3).to_numpy()
)
test_df
   a   b  rolling_max
0  1  40          NaN
1  2  37         40.0
2  3  60         40.0
3  4  45         60.0
4  5  40         60.0

有人可以推荐更好的方法吗？

4

2 回答 2

3

这似乎可以满足您的需要：

test_df.rolling(2, min_periods=1).max()
于 2020-05-07T03:49:41.040 回答
1

首先，当你说你需要平均值时，你正在使用 max 。假设您需要的是 max，使用 Python，您可以执行以下操作：

test_df.b.rolling(4, min_periods=2).apply(lambda x: np.max(x[:-1]))

0     NaN
1    40.0
2    40.0
3    60.0
4    60.0
Name: b, dtype: float64
于 2020-05-07T03:49:29.700 回答