Python时间序列销售预测中，滚动均值计算如何忽略NaN值？

嘿，我完全懂你遇到的困扰——在做时间序列销售预测时，想计算过去3天的平均销量特征，但未来日期的销量是NaN，导致滚动窗口只要包含NaN就输出NaN，根本达不到预期效果。别担心，这其实是Pandas滚动方法的参数设置问题，我来一步步帮你解决！

首先要提一句：pd.rolling_mean()这个函数在Pandas 0.18.0版本之后就被弃用了，现在推荐使用更灵活的rolling()方法搭配mean()，这也是我们解决问题的核心工具。

步骤1：构造你的数据（方便演示） #

先把你给出的数据转换成Pandas DataFrame，并且把日期列转成时间格式：

import pandas as pd
import numpy as np

# 构造你的数据
data = {
    'Date': ['02-01-2013', '03-01-2013', '04-01-2013', '05-01-2013', '06-01-2013'],
    'Sales': [100.0, 200.0, 300.0, 200.0, np.nan]
}
df = pd.DataFrame(data)
# 转换日期格式
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')

步骤2：问题根源分析 #

你遇到的“窗口有NaN就输出NaN”，是因为默认情况下rolling().mean()的min_periods参数等于窗口大小（也就是3）——意思是只有当窗口内有3个非NaN值时才计算均值，否则输出NaN。而未来日期的Sales是NaN，导致窗口内有效值不足3个，所以结果变成NaN。

步骤3：两种解决方案 #

方案一：允许忽略NaN，计算现有有效值的平均

通过skipna=True（默认就是这个值，不过可以显式写出来更清晰），让Pandas忽略窗口内的NaN，用剩下的有效值计算均值：

# 计算过去3天平均，忽略窗口内的NaN
df['3d_avg'] = df['Sales'].rolling(window=3, skipna=True).mean()

这样对于06-01的行，窗口包含300、200、NaN，会计算(300+200)/2 = 250，而不是NaN。

方案二：设置最小有效值数量

如果你希望窗口内至少有N个有效值才计算均值，可以调整min_periods参数。比如要求至少2个有效值：

# 窗口内至少有2个非NaN值才计算均值
df['3d_avg_min_periods'] = df['Sales'].rolling(window=3, min_periods=2).mean()

这个设置下，只要窗口内有2个及以上的非NaN值，就会输出均值，完美适配你未来日期的场景。

最终结果示例 #

运行上述代码后，你的DataFrame会变成这样：

这样就完全符合你构建过去3天平均销量特征的需求了！

内容的提问来源于stack exchange，提问作者Ron