python - Pandas rolling_sum 与中心和 min_periods

Question

我想在 DataFrame 上使用 pandas.rolling_sum 函数，使用每个窗口可用的任何数据对窗口求和(所以不要返回 NaN 当窗口超出可用数据时)。以下是一些示例数据:

import pandas as pd  # version 0.12.0  (Python 2.7)
df = pd.DataFrame([1]*4+[2]*4,
                  index=pd.date_range('2014-1-1', periods=8, freq='D'),
                  columns=['num'])
df.head()
#             num
# 2014-01-01    1
# 2014-01-02    1
# 2014-01-03    1
# 2014-01-04    1
# 2014-01-05    2

这是基本的居中滚动总和...

pd.rolling_sum(df, 7, center=True)
#             num
# 2014-01-01  NaN
# 2014-01-02  NaN
# 2014-01-03  NaN
# 2014-01-04   10
# 2014-01-05   11
# 2014-01-06  NaN
# 2014-01-07  NaN
# 2014-01-08  NaN

我想消除 NaN 值并使用每个窗口中可用的任何数据。我的预感是 min_periods 选项会解决这个问题......

pd.rolling_sum(df, 7, center=True, min_periods=0)
#             num
# 2014-01-01    4
# 2014-01-02    6
# 2014-01-03    8
# 2014-01-04   10
# 2014-01-05   11
# 2014-01-06  NaN
# 2014-01-07  NaN
# 2014-01-08  NaN

这在使用 center=True 使窗口不居中时有效，但我很困惑为什么缺少最后三个值。我期望最后三个值是...

# 2014-01-06  10
# 2014-01-07   9
# 2014-01-08   8

谁能解释为什么 min_periods 在使用 center=True 选项时处理第一次观察但在最后一次观察失败？解决方法是什么？

Answer 1

好像pandas先计算:

>>> pd.rolling_sum(df, 7, center=False, min_periods=0)
            num
2014-01-01    1
2014-01-02    2
2014-01-03    3
2014-01-04    4
2014-01-05    6
2014-01-06    8
2014-01-07   10
2014-01-08   11

[8 rows x 1 columns]

然后将结果偏移-offset，其中

offset = int((window - 1) / 2.)

即使 min_periods=0，这也会导致最后一个条目的值为 NaN；解决我的问题如下:

>>> rs = pd.rolling_sum(df, 7, center=True, min_periods=0)
>>> rs.update( pd.rolling_sum(df.iloc[:-7:-1], 7, center=True, min_periods=0) )
>>> rs
            num
2014-01-01    4
2014-01-02    6
2014-01-03    8
2014-01-04   10
2014-01-05   11
2014-01-06   10
2014-01-07    9
2014-01-08    8

[8 rows x 1 columns]