如何在pandas DataFrame中计算滑动窗口内各Type的出现概率？

现有一个包含Type列的pandas DataFrame，数据如下：

需要计算每行对应的固定大小为5的滑动窗口中各Type的出现概率（POx-5代表Type x在窗口中的出现概率），并将这些概率列添加到原DataFrame中，期望结果如下：

核心思路是先将Type转换为独热编码，再通过滑动窗口统计每个窗口内各Type的出现次数，最后除以窗口大小5得到概率。具体实现代码如下：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({'Type': [1, 2, 4, 3, 2, 2, 3, 4, 2]})

# 生成独热编码矩阵，确保所有目标Type值都对应列
one_hot = pd.get_dummies(df['Type'], prefix='PO', suffix='-5')
# 补全缺失的Type列（如果原始数据中某Type未出现）
for type_val in [1, 2, 3, 4]:
    col_name = f'PO{type_val}-5'
    if col_name not in one_hot.columns:
        one_hot[col_name] = 0

# 计算滑动窗口内的出现次数：窗口大小5，不足5行时前面补0，包含当前行
window_counts = one_hot.rolling(window=5, min_periods=0, closed='right').sum()

# 计算概率（次数除以窗口大小5）
window_probs = window_counts / 5

# 合并概率列到原DataFrame，并调整列顺序与期望结果一致
result_df = pd.concat([df, window_probs], axis=1)
result_df = result_df[['Type', 'PO1-5', 'PO2-5', 'PO3-5', 'PO4-5']]

print(result_df)

关键步骤说明 #

1. 独热编码：pd.get_dummies()将每个Type值转换为二进制列，例如Type=1时PO1-5列值为1，其余列值为0，方便后续统计次数。
2. 滑动窗口统计：rolling(window=5, min_periods=0, closed='right')创建固定大小的滑动窗口：
   • window=5：窗口大小固定为5；
   • min_periods=0：窗口内不足5行时，缺失的位置按0计算；
   • closed='right'：窗口包含当前行（即统计当前行及之前最多4行的数据）。
3. 概率计算：将窗口内的出现次数除以窗口大小5，得到各Type的出现概率。
4. 合并排序：把概率列合并到原DataFrame，调整列顺序使其与期望结果一致。

运行代码后得到的结果完全匹配需求。

内容的提问来源于stack exchange，提问作者Ako