如何在Pandas中计算窗口周期为2的滚动累积加权平均值？

已知通过以下代码计算全局累积加权平均值：

df["cum_wt_avg"] = df['val'].mul(df['wt']).cumsum().div(df['wt'].cumsum())

要实现窗口大小为2的滚动版本，可通过以下两种方式完成：

方法1：向量化滚动计算（高效推荐） #

直接分别计算窗口内的加权和与权重和，再做除法，这种方式避免自定义函数的开销，适合大数据集：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'val': [100, 300, 200],
    'wt': [2, 3, 5]
}, index=[1,2,3])

# 计算全局累积加权平均
df["cum_wt_avg"] = df['val'].mul(df['wt']).cumsum().div(df['wt'].cumsum())

# 计算窗口为2的滚动加权和与权重和
rolling_val_wt_sum = df['val'].mul(df['wt']).rolling(window=2, min_periods=1).sum()
rolling_wt_sum = df['wt'].rolling(window=2, min_periods=1).sum()

# 得到滚动累积加权平均值
df['rolling_cum_wt_avg_2periods'] = rolling_val_wt_sum.div(rolling_wt_sum)

方法2：自定义窗口函数（直观易懂） #

如果需要更灵活的窗口逻辑，可以定义自定义函数传入rolling.apply()：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'val': [100, 300, 200],
    'wt': [2, 3, 5]
}, index=[1,2,3])

# 计算全局累积加权平均
df["cum_wt_avg"] = df['val'].mul(df['wt']).cumsum().div(df['wt'].cumsum())

# 定义窗口内加权平均函数
def window_weighted_avg(window_df):
    return (window_df['val'] * window_df['wt']).sum() / window_df['wt'].sum()

# 应用滚动窗口计算，min_periods=1确保第一行输出有效值
df['rolling_cum_wt_avg_2periods'] = df.rolling(window=2, min_periods=1).apply(window_weighted_avg, raw=False)

验证结果 #

运行后得到的DataFrame与期望一致：

参数说明 #

• window=2：设置滚动窗口大小为2
• min_periods=1：允许窗口最小包含1个元素，避免第一行出现NaN，匹配示例需求
• raw=False（仅方法2需要）：确保rolling.apply()传递的是DataFrame对象，而非数组，方便同时访问val和wt列

内容的提问来源于stack exchange，提问作者Peslier53