如何使用前3个值的滚动均值填充Pandas DataFrame中rate列的缺失值

嘿，这个需求不难实现！我来给你一步步拆解怎么用Pandas完成rate列缺失值替换为前3个值滚动均值的操作：

实现思路 #

核心就是利用Pandas的滚动窗口计算和缺失值填充两个功能：

• 用rolling(window=3)创建一个向前滚动的窗口，窗口大小为3，对应“前3个值”的要求
• 用mean()计算每个窗口的均值，设置min_periods=1确保即使窗口里有效数据不足3个，也能正常计算均值（避免出现新的缺失值）
• 最后用fillna()把原列的NaN替换成计算好的滚动均值

完整代码 #

import pandas as pd
import numpy as np

# 初始化你给出的原始DataFrame
df = pd.DataFrame({
    'id': [1,2,3,4,5],
    'rate': [0.5,0.4,0.5,np.nan,np.nan],
})

# 计算窗口为3的滚动均值，min_periods=1处理边界情况
rolling_avg = df['rate'].rolling(window=3, min_periods=1).mean()

# 用滚动均值填充rate列的缺失值
df['rate'] = df['rate'].fillna(rolling_avg)

# 输出结果
print(df)

期望输出 #

运行代码后，你会得到如下结果：

id      rate
0   1  0.500000
1   2  0.400000
2   3  0.500000
3   4  0.466667  # 前3个值(0.5+0.4+0.5)/3的计算结果
4   5  0.450000  # 前3个有效数值(0.4+0.5)/2的计算结果

内容的提问来源于stack exchange，提问作者kms