大熊猫随时间群滚动功能

Question

这是我的问题。我有一个DataFrame，如下所示：

df:

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

我想要的是像这样的DataFrame：

rolling_mean(df，窗口=‘1M’)：

2013-10      1.5
2013-11      3.5
2013-12      5.5 

rolling_mean(df，窗口=‘2m’)：

2013-10      NAN
2013-11      2.5
2013-12      4.5 

rolling_mean(df，window='3M')：

2013-10      NAN
2013-11      NAN
2013-12      3.5 

rolling_mean(df，window='1Y')：

2013-10      NAN
2013-11      NAN
2013-12      NAN

1米是“1个月”，2米是“2个月”。窗口不是int值，而是时间间隔，例如'1D‘、'3M’、'1Y‘等等。该函数可以按时间单元(如“D”、“M”、“Y”)对数据进行分组，然后在时间单元(如1、3)之前对数据进行滚动。

我需要像这样的滚动功能吗？有人能帮我吗？我描述得清楚了吗？非常感谢。

更新：

我还有个谜题。我需要实现这样一个函数，它可以计算每天的滚动标准差，而不是按月重放，但窗口步进单位按月加权。

在这个场景中，我拥有的也是df：

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

pd.rolling_std(df.resample('1M')，window=1)：

结果是

2013-10    NAN
2013-11    NAN 
2013-12    NAN

我真正想要的是这样的数据格式(window=1 )：

2013-10    0.5
2013-11    0.5 
2013-12    0.5

第一个0.5是np.sqrt(1,2)从10月份开始计算的标准差。另外0.5来自3,4和5,6。然而，无论重采样函数中的方法如何= 'xxx‘，结果都是不正确的。两个月的客观结果是，

df (窗口=2 )：

2013-10    NAN
2013-11    1.1180 
2013-12    1.1180

前1.1180为标准偏差，可由np.sqrt(1,2,3,4)在10月和11月计算。从2013年到2012年的1.1180是2013年的3,4,5,6和2013年-12.

附注：标准差是我想要实现滚动的功能之一。谢谢~

Answer 1

可以在日期列上使用to_datetime生成日期时间索引。

df = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6]},
                  index=['2013-10-24', '2013-10-25', '2013-11-27', 
                         '2013-11-28', '2013-12-01', '2013-12-02'])           
df.index = pd.to_datetime(df.index)

>>> pd.rolling_mean(df.resample('1M'), 1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    3.5
2013-12-31    5.5

>>> pd.rolling_mean(df.resample('2M'), window=1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    NaN
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=2, freq='1M')
            value
2013-10-31    NaN
2013-11-30    2.5
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=3, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    3.5

>>> pd.rolling_mean(df.resample('1M'), window=12, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    NaN