如何基于2个日历月滚动窗口计算DataFrame的均值与标准差

原始数据生成代码 #

import pandas as pd

data = {'A': list(range(250)), 'B': list(range(251,501))}
dates = pd.date_range('2023-01-17', periods=250, freq='D')
df = pd.DataFrame(data, index=dates)

需求说明 #

• 计算基于2个日历月的滚动均值，预期输出格式如下：

A      B
2023-02-28    21.0  272.0
2023-03-31    44.0  295.0
2023-04-30    73.0  324.0
…
2023-08-31   222.5  473.5

• 同时计算基于2个日历月的滚动标准差，预期输出格式如下：

A        B
2023-02-28   12.556   12.556
2023-03-31   17.175   17.175
2023-04-30   17.175   17.175
…
2023-08-31   15.732   15.732

• 需支持DataFrame任意列存在NaN值的情况

解决方案 #

计算滚动均值 #

使用rolling指定时间窗口为2个日历月，再提取每个月末的计算结果：

# 计算2个日历月滚动均值，仅保留月末数据
rolling_mean = df.rolling(window='2M', closed='right').mean().resample('M').last()

计算滚动标准差 #

同理，替换为std()方法计算标准差：

# 计算2个日历月滚动标准差，仅保留月末数据
rolling_std = df.rolling(window='2M', closed='right').std().resample('M').last()

参数说明 #

• window='2M'：指定滚动窗口的时间跨度为2个日历月，自动适配不同月份的天数差异
• closed='right'：窗口包含当前日期，即计算到当前日期为止的过去2个月内所有数据的统计量
• resample('M').last()：筛选出每个月最后一天的计算结果，匹配预期输出的格式
• NaN处理：默认skipna=True，计算时会自动忽略列中的NaN值；若需要保留NaN（即窗口内存在NaN时结果为NaN），可在mean()/std()中设置skipna=False

验证示例结果 #

以2023-02-28的均值为例：

• 窗口覆盖2023-12-28至2023-02-28，但原始数据从2023-01-17开始，实际计算范围为2023-01-17至2023-02-28
• A列数值为0~42，均值为(0+42)/2=21.0，与示例完全匹配

内容的提问来源于stack exchange，提问作者Gerry