在Pandas中对降序日期列计算10日滚动平均值的问题

要解决降序日期数据的前序滚动平均计算问题，核心是先调整数据顺序为升序（旧日期在前）计算滚动平均，再还原为降序排列，这样就能让NaN出现在数据集末尾（最旧日期），且代码简洁易扩展。

步骤1：确保日期列格式正确 #

先将日期列转换为datetime类型，避免排序出错：

import pandas as pd

# 假设日期列名为'date'，根据实际情况修改
esdata['date'] = pd.to_datetime(esdata['date'])

步骤2：升序排序计算滚动平均 #

将数据按日期升序排列后，计算10日滚动平均（仅当有10个有效数据时才计算，否则返回NaN）：

# 升序排序（旧日期在前）
esdata_sorted = esdata.sort_values('date', ascending=True)

# 计算10日滚动平均，min_periods=10确保必须有10个数据才返回结果
esdata_sorted['10d rolling'] = esdata_sorted['RoC ABS'].rolling(window=10, min_periods=10).mean()

步骤3：还原为降序排列 #

将计算好的数据重新按日期降序排列，此时NaN会出现在数据集末尾：

esdata = esdata_sorted.sort_values('date', ascending=False)

扩展到50日移动平均 #

只需修改window参数即可，代码逻辑完全一致：

esdata_sorted['50d rolling'] = esdata_sorted['RoC ABS'].rolling(window=50, min_periods=50).mean()
esdata = esdata_sorted.sort_values('date', ascending=False)

为什么原代码不符合需求？ #

你的原代码esdata["10d rolling"] = esdata["RoC ABS"].rolling(10).mean()默认是向前取窗口：在降序数据中，当前行是最新日期，向前取的是更晚的日期（而非前序日期），导致首行因数据不足出现NaN。通过先升序排序，滚动窗口会取当前日期之前的10个旧日期数据，还原降序后自然让NaN落在最旧的行（数据集末尾）。

内容的提问来源于stack exchange，提问作者Mark Oosterling