如何动态提取Pandas DataFrame滚动子集并计算后写入新DataFrame？

嘿，这事儿用pandas的rolling方法就能轻松搞定！我来一步步给你演示怎么实现滚动提取3行计算平均值，然后把结果存到新DataFrame里。

首先，先重现你给出的示例DataFrame：

import pandas as pd
import numpy as np

# 直接使用你提供的具体数据，保证和示例一致
df_test = pd.DataFrame(
    [[1,9,0,3,0], [5,4,1,0,3], [9,3,6,3,5], [6,2,5,9,7], [9,0,7,9,5]],
    columns=['a', 'b', 'c', 'd', 'e']
)
print(df_test)

输出和你给出的完全一致：

a  b  c  d  e
0  1  9  0  3  0
1  5  4  1  0  3
2  9  3  6  3  5
3  6  2  5  9  7
4  9  0  7  9  5

核心实现：滚动3行计算平均值 #

用pandas的rolling(window=3)创建滑动窗口，再调用mean()计算每个窗口的平均值，直接得到新的DataFrame：

# 滚动窗口大小为3，min_periods=3表示只有窗口凑满3行才计算结果
rolling_mean_df = df_test.rolling(window=3, min_periods=3).mean()

print("滚动3行的平均值结果：")
print(rolling_mean_df)

输出结果解释 #

因为窗口需要3行数据，所以前两行（索引0、1）没有足够数据，结果为NaN；从索引2开始，每个值都是对应列连续3行的平均值：

a         b         c         d         e
0       NaN       NaN       NaN       NaN       NaN
1       NaN       NaN       NaN       NaN       NaN
2  5.000000  5.333333  2.333333  2.000000  2.666667
3  6.666667  3.000000  4.000000  4.000000  5.000000
4  8.000000  1.666667  6.000000  7.000000  5.666667

可选：允许窗口不满3行时计算 #

如果你希望前两行也能得到结果（比如索引0用1行的平均值，索引1用前2行的平均值），只需要把min_periods设为1：

rolling_mean_df_full = df_test.rolling(window=3, min_periods=1).mean()

print("包含部分窗口的平均值结果：")
print(rolling_mean_df_full)

输出：

a         b         c         d         e
0  1.000000  9.000000  0.000000  3.000000  0.000000
1  3.000000  6.500000  0.500000  1.500000  1.500000
2  5.000000  5.333333  2.333333  2.000000  2.666667
3  6.666667  3.000000  4.000000  4.000000  5.000000
4  8.000000  1.666667  6.000000  7.000000  5.666667

拓展：其他滚动计算 #

这个方法不止能算平均值，你还可以轻松实现求和、最大值、最小值等操作，只需要把mean()换成对应的方法：

• 求和：df_test.rolling(window=3).sum()
• 最大值：df_test.rolling(window=3).max()
• 最小值：df_test.rolling(window=3).min()

内容的提问来源于stack exchange，提问作者eternity1