如何基于最近n个非空值计算列的可变区间移动平均？

我有如下格式的DataFrame：

需要计算「数值」列基于最近3个非空值的移动平均，期望输出如下：

注意：常规的rolling.mean()无法满足需求（它基于窗口位置而非非空值数量），且DataFrame数据量庞大，需避免循环，寻求最优解决方案。

通过以下向量化步骤实现高效计算：

1. 统一缺失值格式，让pandas正确识别：

import pandas as pd

# 将字符串N/A替换为pandas标准缺失值
df = df.replace('N/A', pd.NA)

2. 针对非空值计算滚动统计量：

# 提取非空数值并保留原始索引
non_null_vals = df['数值'].dropna()

# 计算最近3个非空值的滚动和（不足3个时取现有值）
rolling_sum = non_null_vals.rolling(window=3, min_periods=1).sum()
# 计算最近3个非空值的滚动计数
rolling_count = non_null_vals.rolling(window=3, min_periods=1).count()

# 得到非空位置的移动平均值
ma_non_null = rolling_sum / rolling_count

3. 将结果映射回原DataFrame并填充空值行：

# 将计算结果对齐到原索引，空值位置用前向填充
df['移动平均（MA）'] = ma_non_null.reindex(df.index).ffill()

# 可选：保留两位小数匹配期望输出格式
df['移动平均（MA）'] = df['移动平均（MA）'].round(2)

全程使用pandas内置向量化操作，无循环，处理大规模数据效率极高，完全符合需求。

内容的提问来源于stack exchange，提问作者Akav