如何用Python实现DataFrame列值减去前1000个值的滚动均值？

你可以用pandas的rolling方法来实现这个需求，核心是计算当前行之前1000个值的滚动均值，再用原列值减去该均值。

基础实现（严格前1000个值） #

# 计算前1000个值的滚动均值，不包含当前行
rolling_mean = df['x'].rolling(window=1000, closed='left').mean()

# 更新x列
df['x'] = df['x'] - rolling_mean

• window=1000：指定每次计算均值的窗口大小为1000行
• closed='left'：确保窗口仅包含当前行之前的1000行数据，不包含当前行本身，完全符合你“前1000个值”的要求

处理前999行的NaN问题 #

上面的代码中，前999行因为没有足够的前1000个数据，rolling_mean会返回NaN，导致df['x']对应位置也变成NaN。你可以根据需求选择处理方式：

1. 保留前999行的原始值

df['x'] = df['x'] - rolling_mean.fillna(df['x'])

2. 前999行取已有前n个值的均值
   如果希望第i行（i<1000）减去它之前所有值的均值，而不是返回NaN，可以添加min_periods=1参数：

rolling_mean = df['x'].rolling(window=1000, closed='left', min_periods=1).mean()
df['x'] = df['x'] - rolling_mean

内容的提问来源于stack exchange，提问作者Ash