如何计算360度圆周角度序列的循环移动平均（解决pandas滚动均值边界问题）

pandas默认的rolling方法不支持圆周边界的循环衔接，前window-1个位置因为窗口凑不齐返回NaN，会直接丢失头尾衔接部分的平滑结果，对应你提到的0-9度的计算需求。

两种可直接落地的实现方法 #

方法1：首尾缓冲区拼接（兼容性最好） #

核心思路是为了计算头部位置的循环窗口，提前在原序列最前面拼接一段末尾的观测值当缓冲区，用普通滚动计算后裁掉缓冲区的多余结果，就能和原序列完全对齐：

import pandas as pd

window = 10  # 和你当前使用的计算窗口大小保持一致
# 取原序列最后window-1个值作为缓冲区，拼到序列最前面
padded_series = pd.concat([
    df['value'].tail(window - 1),
    df['value']
])
# 在拼接后的完整序列上做固定窗口的普通滚动平均
rolling_result = padded_series.rolling(window=window).mean()
# 裁掉缓冲区对应的前window-1个结果，和原DataFrame长度对齐
df['smoothed'] = rolling_result.iloc[window - 1:].values

• 逻辑匹配说明：计算0度的平滑值时，窗口刚好覆盖拼接段末尾的351-359度、加上原序列0度的观测值，凑够10个值求平均；计算1度的平滑值时，窗口覆盖352-359度、加上原序列0-1度的观测值，完全匹配你期望的计算规则，全程不会出现NaN。

方法2：循环卷积（计算效率更高） #

对于固定长度的圆周序列，可以直接用numpy的卷积接口实现循环边界的等权平均，不需要手动拼接序列：

import numpy as np

window = 10
# 构造等权平均的卷积核
mean_kernel = np.ones(window) / window
# 用wrap模式做循环卷积，自动处理头尾衔接，输出和原序列等长
df['smoothed'] = np.convolve(df['value'].to_numpy(), mean_kernel, mode='wrap')

• 说明：mode='wrap'模式天生适配圆周循环场景，计算窗口在到达序列头部边界时，会自动从序列末尾补全窗口需要的数值，不需要额外做边界判断。

校验提示：你可以手动取一组边界值核对结果，比如0度位置的平滑值，手动计算351到0度共10个值的算术平均，和代码输出的结果完全一致；359度位置的平滑值和普通rolling计算的结果完全相同，不存在错位。

• 注意避坑：不要通过设置rolling(min_periods=1)来补前几个位置的NaN，这种方式计算前几个值的窗口长度不足，均值的分母和你要求的固定10窗口不一致，不符合圆周循环的计算规则。

内容的提问来源于stack exchange，提问作者Igor K.