如何用Pandas每日计算近一年隔7行取数的标准差？

原始数据生成代码 #

import pandas as pd
import datetime
import random
df = pd.DataFrame(columns=["date", "7 days return"])
date = datetime.datetime.strptime("2019-01-04", '%Y-%m-%d')
for i in range(365*3):
    df = df.append({"date": date + datetime.timedelta(i), "7 days return":random.uniform(0,1)}, ignore_index=True)
df

生成的数据示例：

需求说明 #

计算每日对应的近一年（365天范围内）数据的标准差，但仅选取间隔7天的对应行：

• 计算2022-01-02的标准差时，取2022-01-02、2021-12-26、2021-12-19...等间隔7天的行
• 计算2022-01-01的标准差时，取2022-01-01、2021-12-25、2021-12-18...等对应间隔行

现有代码问题 #

a=[]
for i in range(0,len(df),7):
    a.append(i)
Volatility1Y=df.iloc[a].transform(lambda x:x.rolling(52).std())

仅能输出每7行一次的结果，无法覆盖所有日期的计算需求。

解决方案 #

通过按星期几分组，对每组单独计算滚动标准差，实现每日结果输出：

优化后的代码 #

import pandas as pd
import random

# 先优化数据生成（更高效）
dates = pd.date_range(start="2019-01-04", periods=365*3)
df = pd.DataFrame({
    "date": dates,
    "7 days return": [random.uniform(0, 1) for _ in range(len(dates))]
}).set_index("date")  # 将date设为索引，方便分组

# 按星期几分组（0=周一，6=周日），每组对应每周同一天的数据
grouped = df.groupby(df.index.dayofweek)["7 days return"]

# 对每组计算滚动52期（约一年）的标准差，合并回原DataFrame
df["1Y Volatility (7-day interval)"] = grouped.transform(
    lambda x: x.rolling(window=52, min_periods=1).std()
)

# 查看结果示例
print(df.tail(10))

代码说明 #

1. 分组逻辑：用df.index.dayofweek将数据按星期几分成7组，每组包含所有每周同一天的数据，正好对应需求中“间隔7天的对应行”。
2. 滚动计算：每组内用rolling(52)取近52个数据点（约一年的周数）计算标准差，transform方法会保留原索引，确保每个日期都有对应的结果。
3. min_periods=1：确保数据不足52期时也能计算（比如前51天的结果基于已有数据）。

内容的提问来源于stack exchange，提问作者idleriver