使用Pandas计算滚动向前平均值的技术求助

嘿，这个需求其实很好解决，我来给你拆解清楚～

首先得说清楚：你想计算的「未来10到15天的平均值」，本质上是对每一行来说，取它之后第10个到第15个数据点（一共6个值）的平均值对吧？你之前尝试的df.rolling(-10,-15)行不通，是因为Pandas的rolling()函数不支持直接传入负的范围参数——它的窗口参数要么是整数（指定连续元素个数），要么是时间字符串（针对时间索引），没法直接用负索引来定义未来窗口。

而你提到的回溯场景df.rolling(15,10).mean()能运行，估计是你用了窗口大小+最小周期的参数组合，但这个逻辑没法直接套到未来窗口上。不过我们可以换个思路，用shift()和rolling()组合来实现，非常直观：

核心思路 #

把数据向前偏移10位，让当前行对应「未来第10天」的数据，然后对偏移后的数据计算连续6个元素的滚动平均值——这样得到的结果，正好就是原数据中当前行的「未来10到15天」的平均值。

具体代码（针对整数索引） #

假设你的DataFrame是df，目标列是value（如果是整列操作就去掉列名）：

# 计算未来10到15天的平均值（包含第10和第15天，共6个数据点）
future_10_15_mean = df['value'].shift(-10).rolling(window=6).mean()

举个小例子验证：如果df['value']是[0,1,2,...,20]，那第0行的未来10-15天值是10,11,12,13,14,15，平均值是12.5，用上面的代码计算出来的第0行结果正好是12.5，完全正确。

如果是时间索引的情况 #

如果你的索引是datetime类型，用时间偏移和时间窗口会更准确（自动处理缺失日期）：

import pandas as pd

# 向前偏移10天，然后计算连续6天的滚动平均
future_10_15_mean = df['value'].shift(-pd.Timedelta(days=10)).rolling(window='6D').mean()

补充说明 #

如果你想要的是「未来10天之后到15天之前」（不包含第10天），那只需要把偏移量改成-11，窗口大小改成5即可，逻辑是一样的。

这样操作比先算回溯平均再移位要更直接，而且结果完全符合你的需求～

内容的提问来源于stack exchange，提问作者top bantz