时间窗固定的熊猫滚动平均值（而不是固定的观测值）

Question

我有一个具有两列和3级索引结构的数据框。 列是价格和数量，索引是交易者-库存-天。

我想为我的数据中的每个交易者-股票组合计算过去50天的价格和交易量的滚动平均值。

到目前为止，这是我想出的。

test = test.set_index（['date'，'trader'，'stock']）

test = test.unstack（）。unstack（）

test = test.resample（“ 1D”）

test = test.fillna（0）

test [[test.columns中col的col +'_ norm']] = test.apply（lambda x：pd.rolling_mean（x，50,50））

test.stack（）。stack（）。reset_index（）。set_index（['trader'，'stock'，'date']）。sort_index（）。head（）

就是说，我两次解开数据集，以便只剩下时间轴，而且我可以计算变量的50天滚动平均值，因为50次观察对应于50天（重新采样数据后）。

问题是我不知道如何为滚动均值变量创建正确的名称

test [[test.columns中col的col +'_ norm']]

TypeError：只能将元组（不是“ str”）连接到元组

有什么主意在这里吗？ 我的算法实际上是否正确才能获得这些滚动平均值？ 非常感谢！

Answer 1

可以将pd.rolling_mean （具有修改的列名）的结果与原始DataFrame连接起来：

means = pd.rolling_mean(test, 50, 50)
means.columns = [('{}_norm'.format(col[0]),)+col[1:] for col in means.columns]
test = pd.concat([test, means], axis=1)

---

import numpy as np
import pandas as pd

N = 10
test = pd.DataFrame(np.random.randint(4, size=(N, 3)),
                    columns=['trader', 'stock', 'foo'],
                    index=pd.date_range('2000-1-1', periods=N))
test.index.names = ['date']
test = test.set_index(['trader', 'stock'], append=True)

test = test.unstack().unstack()

test = test.resample("1D")

test = test.fillna(0)

means = pd.rolling_mean(test, 50, 50)
means.columns = [('{}_norm'.format(col[0]),)+col[1:] for col in means.columns]
test = pd.concat([test, means], axis=1)

test = test.stack().stack()
test = test.reorder_levels(['trader', 'stock', 'date'])
test = test.sort_index()
print(test.head())

产量

                         foo  foo_norm
trader stock date                     
0      0     2000-01-01    0       NaN
             2000-01-02    0       NaN
             2000-01-03    0       NaN
             2000-01-04    0       NaN
             2000-01-05    0       NaN
...