如何在没有保证观测次数的情况下使用Pandas滚动平均法

Question

我正在看年度棒球统计数据，并想计算一个滚动平均数，回顾过去3年的表现，在命中率方面。然而，我想解释这样一个事实：虽然我的数据集可以追溯到3年多以前，但是一个球员可能只在联盟中呆了1-2年，没有3年的观察值，我可以根据这些数据计算滚动平均值。例如：

In[6]: df = pd.DataFrame({'PLAYER_ID': ['A', 'A', 'A', 'B', 'B'], 
                          'HITS': [45, 55, 50, 20, 24]})
In[9]: df
Out[9]: 
  PLAYER_ID  HITS
0         A    45
1         A    55
2         A    50
3         B    20
4         B    24

我如何使用groupby和聚合/转换（或其他一些过程）来计算每个玩家的滚动平均值（最多3年历史总计），然后只使用可用历史观测值的最大值（对于可用的历史性能数据少于3年的玩家）？在

很肯定我的答案在熊猫套餐里，但我对任何解决方案都很感兴趣。在

谢谢！在

Answer 1

pd.DataFrame.rolling自动为您处理此问题。{cd2>将使用您的数据^给出示例：

             HITS PLAYER_ID
PLAYER_ID
A         0  45.0         A
          1  55.0         A
          2  50.0         A
B         3  20.0         B
          4  24.0         B

对于您的例子，我使用的窗口大小只有1，这意味着我们将每个单独的观察视为其自身的平均值。这不是特别有趣。对于更多的数据，您可以使用更大的窗口大小：例如，如果您的数据是每周的，rolling(5)将为您提供大约每月的窗口大小（或者{}如果您的数据是每天的，依此类推）。在

使用此方法时需要注意两个问题：

1. 如果你的数据没有在一个月内连续采样，那么它就不会在一个月内连续采样。由于这个原因，如果你的数据还没有被定期采样，你通常需要重新采样。在
2. 如果数据包含NaN值，则这些值将被传播：每个包含NaN的窗口也将是NaN。你必须以某种方式防止这种情况发生。在