如何使用基于numpy的日期的窗口获取时间序列的回溯移动平均值？

概述我有这样的时间序： times | data 1994-07-25 15:15:00.000 | 165 1994-07-25 16:00:00.000 | 165 1994-07-26 18:45:00.000 | 165 1994-07-27 15:15:00.000 | 165 1994-07-27 16:00:00

我有这样的时间序：

                  times | data1994-07-25 15:15:00.000 | 1651994-07-25 16:00:00.000 | 1651994-07-26 18:45:00.000 | 1651994-07-27 15:15:00.000 | 1651994-07-27 16:00:00.000 | 1651994-07-28 18:45:00.000 | 1651994-07-28 19:15:00.000 | 631994-07-28 20:35:00.000 | 641994-07-28 21:55:00.000 | 641994-07-29 14:15:00.000 | 621994-07-30 15:35:00.000 | 621994-07-30 16:55:00.000 | 61

我想对这些数据做一个回顾移动平均线,但是有一个基于日期的窗口,而不是行或日期时间.

例如,说lookback = 3天,然后是

1994-07-29 14:15:00.000 | 62

它的回顾移动平均值应该是平均值

1994-07-26 18:45:00.000 | 1651994-07-27 15:15:00.000 | 1651994-07-27 16:00:00.000 | 1651994-07-28 18:45:00.000 | 1651994-07-28 19:15:00.000 | 631994-07-28 20:35:00.000 | 641994-07-28 21:55:00.000 | 64

因为这是一个3天的回顾,所以平均将从1994-07-26开始3天,无论一天内有多少行.

此外,对于具有相同日期(不包括时间)的多行,其回溯移动平均值应该相同.

我怎样才能轻松实现这一目标？

最佳答案我会使用pandas DatetimeIndex来累积每个日期的值.

然后,您可以使用rolling_mean计算所需的平均值.

import numpy as npimport pandasdf = pandas.DataFrame({'times': np.array(['1994-07-25 15:15:00.000','1994-07-25 16:00:00.000','1994-07-26 18:45:00.000','1994-07-27 15:15:00.000','1994-07-27 16:00:00.000','1994-07-28 18:45:00.000','1994-07-28 19:15:00.000','1994-07-28 20:35:00.000','1994-07-28 21:55:00.000','1994-07-29 14:15:00.000','1994-07-30 15:35:00.000','1994-07-30 16:55:00.000'],dtype='datetime64'),'data': [165,165,63,64,62,61]})df = df.set_index('times')g = df.groupby(df.index.date)days = 3pandas.rolling_mean(g.sum(),days)

这给出了：

1994-07-25         NaN1994-07-26         NaN1994-07-27  275.0000001994-07-28  283.6666671994-07-29  249.3333331994-07-30  180.333333

您可能希望在rolling_mean上使用center和min_periods参数来获得所需的确切结果. 总结

以上是内存溢出为你收集整理的如何使用基于numpy的日期的窗口获取时间序列的回溯移动平均值？全部内容，希望文章能够帮你解决如何使用基于numpy的日期的窗口获取时间序列的回溯移动平均值？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。