Pandas的rolling接口能否实现带边缘处理的动态移动平均、std、max等函数

Pandas 原生 rolling 没有内置边缘填充参数，你可以通过以下两种方案实现符合要求的动态滑动计算：

方案1：手动填充+原生rolling实现（支持自定义所有滑动计算逻辑） #

通过numpy提前对数据做边缘反射填充，配合rolling的center=True参数即可实现无偏移、全范围覆盖的计算，同时支持mean、std、max等所有滑动统计函数：

import pandas as pd
import numpy as np

def dynamic_rolling(series: pd.Series, window: int, func: str = "mean", pad_mode: str = "reflect") -> pd.Series:
    # 计算前后需要填充的长度
    pad_len = window // 2
    # 对原始数据做边缘填充
    padded_vals = np.pad(series.values, pad_width=pad_len, mode=pad_mode)
    # 滑动计算，center=True保证结果无偏移
    rolling_result = getattr(pd.Series(padded_vals).rolling(window=window, min_periods=window), func)()
    # 截取和原始数据长度一致的部分，保留原始索引
    return pd.Series(
        rolling_result.values[pad_len : pad_len + len(series)],
        index=series.index,
        name=series.name
    )

使用示例：

# 动态移动平均
dynamic_avg = dynamic_rolling(pd_y, 200, func="mean")
# 动态滑动标准差
dynamic_std = dynamic_rolling(pd_y, 200, func="std")
# 动态滑动最大值
dynamic_max = dynamic_rolling(pd_y, 200, func="max")

方案2：封装scipy已实现逻辑（性能更高，适合大数据量） #

scipy.ndimage的相关滤波函数已经优化了边缘处理逻辑，你可以直接封装为适配Pandas Series的函数，保留原始索引和名称：

from scipy.ndimage import filters

def scipy_dynamic_avg(series: pd.Series, window: int) -> pd.Series:
    result = filters.uniform_filter1d(series.values, window, mode="reflect")
    return pd.Series(result, index=series.index, name=series.name)

替换你原代码中的moving_avg函数后，输出的结果就会和uniform_filter1d完全一致，不会出现偏移，也不会出现数据裁剪。

内容的提问来源于stack exchange，提问作者Drachen