Python Pandas cumsum 移位 n

Question

我想知道是否有一种有效的方法(避免循环)来执行 serie.cumsum() 但 n 的偏移。

你可以看到 serie.cumsum() 就像 serie.diff(1) 的逆函数一样 我正在寻找 diff( n)(我知道对于适当的逆你需要初始值，但为简单起见，我在这里忽略它们)可以称为 cumsum_shift

使用 for 循环 更明确地实现它(我想避免这种情况):

def cumsum_shift(s, shift = 1, init_values = [0]):
    s_cumsum = pd.Series(np.zeros(len(s)))
    for i in range(shift):
        s_cumsum.iloc[i] = init_values[i]
    for i in range(shift,len(s)):
        s_cumsum.iloc[i] = s_cumsum.iloc[i-shift] + s.iloc[i]
    return s_cumsum

这段带有 shift = 1 的代码与 s.cumsum() pandas 方法所做的完全相同，但当然 pandas 方法是在 C 中执行的code (我猜)所以它要快得多(当然你应该总是使用 s.cumsum() pandas 方法而不是自己用 for 循环实现它)。

那么我的问题是cumsum_shift 避免使用 pandas 方法的 for 循环的方法是什么？

编辑1

添加输入输出示例

如果你调用它:

s = pd.Series([1,10,100,2,20,200,5,50,500])
s.diff(3)
out[26] 0      NaN
        1      NaN
        2      NaN
        3      1.0
        4     10.0
        5    100.0
        6      3.0
        7     30.0
        8    300.0
        dtype: float64

有了这个输入，cumsum_shift(s.diff(3), shift = 3, init_values = [1,2,3]) 的输出又是原始序列 s。注意 3 的移位，这仅使用 cumsum() 例如 s.diff(3).cumsum() 不会恢复原始的 s :

cumsum_shift(s.diff(3), shift = 3, init_values= [1,10,100])
out[27]
0      1.0
1     10.0
2    100.0
3      2.0
4     20.0
5    200.0
6      5.0
7     50.0
8    500.0
dtype: float64

但是让我强调一下，初始值没什么大不了的，恒定的差异不是问题。我想知道如何在不使用 for 循环的情况下执行移位差分序列的 cumsum

如果您执行 diff() 然后执行 cumsum()，您将返回原始值直至初始值:

s = pd.Series([1,10,100,2,20,200,5,50,500])
s.diff().cumsum()
out[28]
0      NaN
1      9.0
2     99.0
3      1.0
4     19.0
5    199.0
6      4.0
7     49.0
8    499.0
dtype: float64

我想知道是否有一些聪明的方法来做一些像 s.diff(n).cumsum(n) 这样的事情，它返回一些正确的东西直到一些恒定的初始值。

编辑 2 - 反转移动平均线

考虑应用“shifted cumsum”，我发现了这个关于如何反转移动平均线的 other question in SO，我已经使用我的 cumsum_shift 函数回答了这个问题，我认为它澄清更多我在这里问的问题

Answer 1

您可以使用 pandas 方法 rolling.sum()其中与总和:

s.rolling(shift).sum()

然而，您可能希望用原始 df 填充 NaN 值直到移位。