如何在Pandas中实现循环式跨行列滚动6个月标准差计算？

针对你需要计算跨年度循环取数的滚动6个月标准差需求，我们可以通过数据格式转换+自定义滚动窗口逻辑来实现，以下是具体步骤：

1. 构造示例数据（匹配你的场景） #

假设你的DataFrame是宽格式，行代表年份，列代表月份：

import pandas as pd
import numpy as np

# 模拟你的数据：行=年份，列=月份
df = pd.DataFrame({
    'Month1': [-1.08, 0.4],
    'Month2': [2.6, 1.5],
    'Month3': [-0.36, -0.6],
    'Month4': [-1.92, 0.8],
    'Month5': [-0.84, -0.2],
    'Month6': [0.01, 1.3],
    'Month7': [1.2, 0.9],
    'Month8': [0.5, -0.4],
    'Month9': [-0.7, 0.7],
    'Month10': [0.3, -0.1],
    'Month11': [1.1, 1.0],
    'Month12': [-0.2, 0.5]
}, index=[2022, 2023])

2. 转换为长格式时间序列 #

宽格式不利于处理跨年度滚动，先转成以年月为索引的长格式：

# 拆解宽格式为长格式
df_long = df.unstack().reset_index()
df_long.columns = ['Month', 'Year', 'Value']
# 生成日期列
df_long['Date'] = pd.to_datetime(df_long['Year'].astype(str) + '-' + df_long['Month'].str.split('_').str[1])
# 设置时间索引并排序
df_ts = df_long.set_index('Date')['Value'].sort_index()

3. 自定义循环取数的滚动标准差函数 #

核心逻辑：对每个年月，向前遍历6个月份；如果某个月份在当前年份不存在，就循环取上一年的对应月份数据，直到凑够6个数据点，再计算样本标准差（ddof=1，匹配你给出的示例结果）：

def rolling_std_cyclic(date, ts, window=6):
    window_data = []
    current_date = date
    for _ in range(window):
        # 如果当前日期不存在，逐年向前查找同月份数据
        while current_date not in ts.index:
            current_date = current_date - pd.DateOffset(years=1)
        window_data.append(ts.loc[current_date])
        # 向前移动一个月
        current_date = current_date - pd.DateOffset(months=1)
    # 计算样本标准差（ddof=1）
    return np.std(window_data, ddof=1)

# 应用函数到每个时间点
df_ts['Rolling_6M_Std'] = df_ts.index.map(lambda x: rolling_std_cyclic(x, df_ts))

4. 转回原宽格式（可选） #

如果需要恢复成原有的年份-月份结构：

# 转换回宽格式
result = df_ts.unstack(level=1).T
result.columns = [f'Month_{m}' for m in range(1, 13)]

按需调整逻辑 #

如果你的需求是取每个月份的最近6个年度的同月份数据（而非连续月份），只需修改函数逻辑为按月份分组取历史数据：

def rolling_std_same_month(date, ts, window=6):
    # 获取当前月份
    month = date.month
    # 筛选所有同月份的数据，按年份倒序排列
    same_month = ts[ts.index.month == month].sort_index(ascending=False)
    # 取最近window个数据
    window_data = same_month.iloc[:window].values
    return np.std(window_data, ddof=1)

内容的提问来源于stack exchange，提问作者dgoodie