如何用Pandas实现回溯30天+前瞻3天的Leading and Trailing滚动平均？

Pandas完全具备简洁语法来实现回溯（Trailing）和前瞻（Leading）的滚动平均计算，针对你提到的「回溯30天、前瞻3天」的需求，用rolling结合shift就能快速实现，无需复杂逻辑。

核心实现思路 #

你需要的是对每个数据点，计算自身、过去30天内、未来3天内所有有效数据的均值（当回溯数据不足时，仅用现有可用数据，如示例中2022-04-01的情况）。

代码示例 #

假设你的数据已按日期排序，数据框为df，日期列是date，数值列是value：

1. 先确保日期作为索引且排序：

df = df.sort_values('date').set_index('date')

2. 计算回溯30天+前瞻3天的滚动平均：

# 窗口大小：回溯30天+当前+前瞻3天 = 34个数据点
window_size = 30 + 1 + 3
df['rolling_avg'] = df['value'].rolling(window=window_size, min_periods=1).mean().shift(-3)

代码解释 #

• rolling(window=34)：创建包含34个连续数据的滑动窗口
• min_periods=1：强制即使窗口内数据不足（如开头日期无足够回溯数据），也计算现有数据的均值，匹配你示例中的逻辑
• shift(-3)：将窗口计算结果向前偏移3位，让原本对应「前瞻第3天」的均值对齐到当前数据行，正好对应当前行的回溯30天+前瞻3天的均值

处理缺失日期的场景 #

如果你的数据存在日历天缺失（比如周末无数据），需要严格按日历范围计算而非数据行数，可以用时间差作为窗口参数：

# 33天 = 30天回溯 + 3天前瞻的日历范围
df['rolling_avg'] = df['value'].rolling(window='33D', min_periods=1).mean().shift(-3)

内容的提问来源于stack exchange，提问作者tkansara