如何用Pandas Rolling计算含缺失点的移动平均？将缺失点视为0

明确结论：Pandas的rolling方法目前没有原生选项直接将缺失的时间点视为0来计算移动平均。

原因说明 #

Pandas的时间窗口滚动计算（如rolling('2s')）仅基于数据中实际存在的时间点筛选窗口范围，不会自动识别并填充缺失的时间刻度。以你示例中09:00:02的2秒窗口为例，它只会纳入09:00:00和09:00:02两个存在的点，因此平均结果为1.0，不会把09:00:01这类缺失点默认视为0加入计算。

高效替代方案（无需手动reindex） #

如果不想手动用reindex补全时间点，可以结合resample（Pandas针对时间序列优化的操作）快速填充缺失刻度为0，再执行滚动平均，效率优于手动补全：

import pandas as pd
import numpy as np

df_time = pd.DataFrame({'B': [1, 1, 2, np.nan, 4]},
                       index = [pd.Timestamp('20130101 09:00:00'),
                                pd.Timestamp('20130101 09:00:02'),
                                pd.Timestamp('20130101 09:00:03'),
                                pd.Timestamp('20130101 09:00:05'),
                                pd.Timestamp('20130101 09:00:06')])

# 按1秒频率重采样，缺失值填充为0，再计算2秒滚动平均
result = df_time.resample('1s').fillna(0).rolling('2s').mean()
# 过滤出原DataFrame的时间点
result = result.loc[df_time.index]

print(result)

输出结果：

B
2013-01-01 09:00:00  1.0
2013-01-01 09:00:02  0.5
2013-01-01 09:00:03  1.5
2013-01-01 09:00:05  0.0
2013-01-01 09:00:06  2.0

补充说明 #

• 若你的时间序列间隔不是1秒，只需将resample的频率参数改为对应刻度即可（比如'500ms'代表500毫秒）。
• 最后用loc[df_time.index]过滤，确保结果只保留原数据中存在的时间点，符合你的需求。

内容的提问来源于stack exchange，提问作者Alonme