pd.rolling_mean不再受欢迎--ndarray的替代品

Question

编辑:这个问题是在2016年提出的，类似的问题在功能最终被删除之后，类似的问题在这么多年后才被发布，例如吝啬

然而，这个问题关系到新pd.rolling.mean()的表现，应该一直保持开放状态，直到相关的熊猫问题被修复。

看来pd.rolling_mean对ndarrays已经不再受欢迎了，

pd.rolling_mean(x，window=2，center=False) FutureWarning:对于ndarray不推荐使用pd.rolling_mean，并将在将来的版本中删除

但根据这就是答案的说法，这似乎是最快的方法。

现在是否有新的方法可以直接用SciPy或NumPy来实现与pd.rolling_mean一样快的方法？

Answer 1

编辑--不幸的是，新的方式看起来还没有那么快：

新版Pandas：

In [1]: x = np.random.uniform(size=100)

In [2]: %timeit pd.rolling_mean(x, window=2)
1000 loops, best of 3: 240 µs per loop

In [3]: %timeit pd.Series(x).rolling(window=2).mean()
1000 loops, best of 3: 226 µs per loop

In [4]: pd.__version__
Out[4]: '0.18.0'

旧版本：

In [1]: x = np.random.uniform(size=100)

In [2]: %timeit pd.rolling_mean(x,window=2)
100000 loops, best of 3: 12.4 µs per loop

In [3]: pd.__version__
Out[3]: u'0.17.1'

Answer 2

看起来新的方法是通过DataFrame.rolling类上的方法(我想你应该把它看作是一个groupby)：http://pandas.pydata.org/pandas-docs/version/0.18.0/whatsnew.html

例如：

x.rolling(window=2).mean()

Answer 3

尝尝这个

x.rolling(window=2, center=False).mean()