在Pandas rolling函数中纳入NaN计算窗口大小与min_periods求滚动均值

可以通过结合滚动求和、滚动计数，再配合窗口元素总数的判断来实现，完全无需循环，步骤如下：

1. 定义窗口参数：

window_size = 5
min_periods = 4

2. 构造示例DataFrame并计算滚动总和、滚动非NaN值计数：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'U': [np.nan, np.nan, -0.068554, -0.056425, -0.022294, -0.038996, -0.026863]},
    index=pd.to_datetime(['1990-02-28', '1990-03-01', '1990-03-02', '1990-03-05', '1990-03-06', '1990-03-07', '1990-03-08'])
)

# 滚动求和（自动忽略NaN，只统计非NaN值的和）
roll_sum = df['U'].rolling(window=window_size, min_periods=1).sum()
# 滚动计数（统计窗口内非NaN值的数量）
roll_count = df['U'].rolling(window=window_size, min_periods=1).count()

3. 判断每个窗口是否满足总元素数（含NaN）≥min_periods：

# 生成每个位置对应的窗口总元素数：未达窗口大小时取当前已有的行数，达标后固定为窗口大小
total_elements = np.minimum(np.arange(len(df)) + 1, window_size)
# 生成掩码：仅当总元素数≥min_periods时才计算均值
mask = total_elements >= min_periods

4. 计算目标滚动均值，不满足条件的位置设为NaN：

df['rolling_mean'] = np.where(mask, roll_sum / roll_count, np.nan)

验证结果 #

运行后得到的DataFrame与预期完全一致：

U  rolling_mean
date                              
1990-02-28       NaN           NaN
1990-03-01       NaN           NaN
1990-03-02 -0.068554           NaN
1990-03-05 -0.056425     -0.062489
1990-03-06 -0.022294     -0.049091
1990-03-07 -0.038996     -0.046567
1990-03-08 -0.026863     -0.042626

逻辑说明 #

• 滚动求和与计数：利用Pandas内置rolling方法自动忽略NaN，保证均值计算的准确性；
• 窗口总元素数判断：通过np.minimum生成每个位置的窗口实际总行数（含NaN），再与min_periods对比，确定可计算均值的位置；
• 条件赋值：用np.where实现按需赋值，不满足条件的位置直接设为NaN。

内容的提问来源于stack exchange，提问作者younggotti