Pandas rolling函数整数窗口初始NaN，偏移窗口却无？如何自动返回NaN？

当使用Pandas的rolling函数时，传入整数窗口参数（如3），在数据量未达到窗口大小前，结果会返回NaN；但传入等效的时间偏移参数（如'3D'）时，却会直接计算当前已有数据的总和，不会返回NaN，示例如下：

import pandas as pd
import numpy as np

df = pd.DataFrame(index=pd.date_range('1/1/2020','1/31/2020',freq='D'),data={'A':np.arange(1,32,1)})

df['intWindow'] = df['A'].rolling(3).sum()

df['offsetWindow'] = df['A'].rolling('3D').sum()

print(df.head())

输出结果：

A  intWindow  offsetWindow
2020-01-01  1        NaN           1.0
2020-01-02  2        NaN           3.0
2020-01-03  3        6.0           6.0
2020-01-04  4        9.0           9.0
2020-01-05  5       12.0          12.0

差异原因 #

这不是计算不准确，而是两种窗口的逻辑不同：

• 整数窗口是固定观测数量的窗口：必须凑够指定数量的样本才会计算，不足则返回NaN。
• 时间偏移窗口是基于时间范围的窗口：只要当前时间往前推偏移量范围内存在数据，就会计算这些数据的聚合值，不管数据数量多少。

解决方案：使用min_periods参数 #

Pandas没有直接让时间窗口返回初始NaN的开关，但可以通过min_periods参数实现需求。将min_periods设置为时间窗口对应的预期样本数量（比如每日频率下，'3D'对应3个样本），这样只有当窗口内至少有指定数量的数据时才会计算，否则返回NaN：

df['offsetWindow_fixed'] = df['A'].rolling('3D', min_periods=3).sum()
print(df.head())

输出结果：

A  intWindow  offsetWindow  offsetWindow_fixed
2020-01-01  1        NaN           1.0                 NaN
2020-01-02  2        NaN           3.0                 NaN
2020-01-03  3        6.0           6.0                 6.0
2020-01-04  4        9.0           9.0                 9.0
2020-01-05  5       12.0          12.0                12.0

如果你的时间序列频率不固定，无法提前确定预期样本数，可以先通过整数窗口标记非NaN的位置，再将时间窗口对应位置外的值设为NaN，不过这种场景下min_periods依然是更简洁的选择。

内容的提问来源于stack exchange，提问作者etotheipi