如何用Pythonic方式计算列表的正值滚动均值？

这是个很实用的数据分析需求，我来给你分享两种Pythonic的解决方案，完美解决你遇到的位置丢失和nan干扰问题：

核心思路 #

首先把原列表中的负值替换为nan（保留原位置信息），然后对每个滚动窗口计算仅非nan值的均值——也就是窗口内正值的和除以正值的数量，同时处理窗口内有效元素不足的情况（比如首末窗口）。

方法一：向量化计算（推荐，高效简洁） #

利用Pandas的滚动求和与滚动计数功能，避免逐窗口循环，性能更优：

import pandas as pd
import numpy as np

def rolling_positive_average(data, window_size, min_valid_elements=2):
    # 1. 转换为Series，将负值替换为nan，保留原位置
    series = pd.Series(data).where(lambda x: x > 0, np.nan)
    
    # 2. 计算滚动窗口内的正值总和、正值数量
    rolling_sum = series.rolling(window=window_size).sum(skipna=True)
    rolling_valid_count = series.rolling(window=window_size).count()
    
    # 3. 计算均值，有效元素不足时设为nan
    rolling_avg = rolling_sum / rolling_valid_count
    rolling_avg = rolling_avg.where(rolling_valid_count >= min_valid_elements, np.nan)
    
    # 转换为列表返回，保持与输入格式一致
    return rolling_avg.tolist()

# 测试你的示例数据
sample_data = [1,2,3,4,5,-1,4,2,3]
result = rolling_positive_average(sample_data, window_size=3)
print(result)
# 输出: [nan, nan, 2.0, 3.0, 4.0, 4.5, 4.5, 3.0, nan]

方法二：自定义窗口函数（灵活通用） #

如果需要更复杂的窗口逻辑，可以用rolling().apply()自定义计算逻辑：

import pandas as pd
import numpy as np

def rolling_positive_average_apply(data, window_size, min_valid_elements=2):
    series = pd.Series(data).where(lambda x: x > 0, np.nan)
    
    def window_mean(window):
        # 统计窗口内有效元素数量
        valid_count = window.notna().sum()
        if valid_count >= min_valid_elements:
            return window.mean(skipna=True)
        return np.nan
    
    rolling_avg = series.rolling(window=window_size).apply(window_mean, raw=False)
    return rolling_avg.tolist()

# 测试
sample_data = [1,2,3,4,5,-1,4,2,3]
result = rolling_positive_average_apply(sample_data, window_size=3)
print(result)
# 输出与方法一一致

解决你之前的问题 #

• 你之前的代码直接过滤掉负值，导致原位置信息丢失，滚动窗口的对齐完全错误；
• 替换为nan后用默认rolling.mean()会因为窗口内存在nan直接返回nan，而我们的方法通过sum(skipna=True)和count()，或者自定义函数跳过nan，只计算有效正值的均值。

说明 #

• min_valid_elements参数可以控制窗口内至少需要多少个正值才计算均值，你可以根据需求调整（比如设为1的话，单个正值也会返回自身）；
• 输出结果的长度和输入列表一致，首末的nan是因为窗口内有效元素不足导致的，符合你的示例逻辑。

内容的提问来源于stack exchange，提问作者Pietro Speroni