.std() & .skew()用.rolling给出错误的答案

Question

我用的是熊猫版本：“0.23.4”

在调试我的代码时，我意识到，std和斜交没有给出正确的滚动窗口结果。检查下面的代码：

import pandas as pd
import numpy as np
import scipy.stats as sp

df = pd.DataFrame(np.random.randint(1,10,(5)))
df_w = df.rolling(window=3, min_periods=1)

m1 = df_w.apply(lambda x: np.mean(x))
m2 = df_w.mean()

s1 = df_w.apply(lambda x: np.std(x))
s2 = df_w.std()

sk1 = df_w.apply(lambda x: sp.skew(x))
sk2 = df_w.skew()

虽然平均值的结果是相同的，但对性病和斜率没有？这是预期的行为还是我遗漏了什么？

Answer 1

差别在于指定的增量自由度。

Numpy使用ddof 默认为0，而熊猫使用ddof 作为缺省值为1。此值影响计算std的方式(具体而言，如何将其规范化，例如参考这里)

如果将两者都指定为0，则结果是相同的。

s1 = df_w.apply(lambda k: np.std(k, ddof=0), raw=True)
s2 = df_w.std(ddof=0)

>>> (s1==s2).all()
True

同样，对于skew，熊猫计算偏度，而scipy 计算偏倚。计算

因此，要获得相同的结果，只需在bias=False中指定scipy

sk1 = df_w.apply(lambda x: sp.skew(x, bias=False))
sk2 = df_w.skew()

>>> (sk1==sk2).all()
True