Pandas滾動窗口功能可以抵消數據

Question

我試圖使用Pandas rolling_window函數，win_type ='gaussian'或win_type ='general_gaussian'。 我有一個按日期時間索引的時間序列數據集，我需要一個平滑函數來減少噪音。 我想避開boxcar，而是使用高斯加權。 我已經嘗試了很多范圍的窗口大小和std（高斯），以及窗口大小，功率和寬度值（對於一般的高斯），並且我始終得到相同的結果：平滑輸出偏移低於原始輸入數據。 這是同一個問題，但在這里仍然沒有答案。

我嘗試使用的特定代碼行是：

dNorth_smooth = rolling_window(s, window=40, win_type='gaussian', std=30, center=True, freq='15S')

其中's'是日期時間索引的Pandas數據幀中的單列數據。 在這種情況下，'s'是以米為單位的位置，以15秒的時間間隔。 所以，我的窗口大小是40行，或40 * 15 = 600秒= 10分鍾。 目前尚不清楚std參數究竟是指什么，但我認為這是在頻域中，並且會比窗口大小小一些，控制高斯曲線的形狀（無論如何，我已經嘗試了很多標准值;如果std非常大，則不會發生偏移，但這是因為高斯曲線與窗口相比變得如此寬，以至於你基本上使用了一個boxcar）。 'center'和'freq'參數似乎不會改變輸出。 其他可選參數似乎也無關緊要。

一旦我有更高的聲譽，我可以發布一個情節來幫助解釋。 但請看上面鏈接問題的情節，因為這是我遇到的完全相同的問題。 另外要注意的是：棚車窗口（這相當於rolling_mean） 沒有這個彌補問題。 但是，它似乎與所有其他窗口加權函數（triang，blackman等）一起存在。

Answer 1

由於此問題（或類似的鏈接問題）沒有發布特定的Pandas解決方案，我使用標准的numpy和scipy函數發布解決方案。 這將使用高斯加權產生平滑曲線，並適用於任何幅度數據（沒有偏移問題）。

def smooth_gaussian(data,window,std):
  g = sp.signal.gaussian(window,std,sym=True)
  con = np.convolve(g/g.sum(),data,mode='valid')
  con_shift = np.r_[np.full((window*0.5),np.nan),con,np.full((window*0.5),np.nan)]
  return con_shift   

結果數據集比輸入數據集短於窗口長度，因為第一個和最后一個“平滑”數據點從任一端出現在（窗口* 0.5）處。 返回的變量con_shift解釋了這一點，並使平滑后的數據相對於輸入數據居中，這樣它們的長度相同，可以一起繪制。 window參數是移動窗口的大小， std是標准偏差，控制高斯曲線的形狀（我將我的設置為0.1 *窗口）。 請注意， con_shift對稱，窗口大小必須是奇數。