为何Pandas中rolling(50)与rolling("50D")均值计算结果不同？

核心差异先明确 #

• rolling(50).mean()：按数据条数取窗口，固定取当前行及之前的50条数据计算均值，完全不考虑这些数据对应的日期间隔。
• rolling("50D").mean()：按时间跨度取窗口，以当前行的日期索引为基准，取过去50天内的所有数据计算均值，前提是你的数据索引为DatetimeIndex类型。

rolling("50D")的具体计算逻辑 #

1. 索引校验：首先确认数据索引是日期时间类型，否则无法使用时间窗口参数。
2. 时间区间划定：对每行数据，以其索引日期为终点，往前推50天作为起点，得到闭合时间区间：[当前日期 - 50天, 当前日期]。
3. 数据筛选：将所有索引落在这个时间区间内的行筛选出来，不管这些行是否连续，也不管最终筛选出的条数是多少。
4. 均值计算：对筛选出的所有数据计算均值，结果对应当前行的滚动均值。

为什么会和rolling(50).mean()结果不同？ #

当你的数据是非连续日期（比如A股交易日数据，周末、节假日无数据）：

• rolling(50).mean()取的50条数据，对应的时间跨度肯定超过50天（因为中间有日期缺失）。
• rolling("50D").mean()只取50天内的所有数据，实际条数可能少于50条（比如50天内只有45个交易日）。

举个具体例子：
假设当前行日期是2024-06-01，往前50天是2024-04-12。如果这段时间内因为节假日只有45条交易数据，rolling("50D").mean()就用这45条计算；而rolling(50).mean()会取当前行及之前的50条数据，对应的日期可能要追溯到2024-03月底，时间跨度远大于50天。

内容的提问来源于stack exchange，提问作者Armando Contestabile