基于Pandas DateTimeIndex计算连续行均值的问题

你在df.loc['begin':'end']里把begin和end用引号括起来了，这会让pandas把它们当成字符串字面量去索引里匹配，而不是使用你定义的变量值，自然找不到对应数据，所以均值返回NaN。

把引号去掉，直接使用变量即可：

import pandas as pd
from pandas.tseries.offsets import DateOffset
import numpy as np

df = df.set_index(['Date'])

for num in range(0,3):
    begin = pd.Timestamp('2008-01-01') + DateOffset(months=num)
    end = pd.Timestamp('2008-02-01') + DateOffset(months=num)
    
    print(begin, end)
    # 去掉引号，直接用变量begin和end
    print(df.loc[begin:end]['Number'].mean())

你的需求是计算每连续两行Number的平均值，用循环处理数百行效率很低，直接用pandas的矢量化操作更简洁高效：

方法1：使用rolling窗口 #

# 设置窗口大小为2，计算当前行与前一行的均值
df['rolling_mean'] = df['Number'].rolling(window=2).mean()

生成的新列中，每行的值是当前行与上一行Number的平均值（第一行因无前置数据，值为NaN）。

方法2：使用shift手动计算 #

# 计算当前行与上一行的均值
df['pair_mean'] = (df['Number'] + df['Number'].shift(1)) / 2

同样，第一行值为NaN，后续每行都是连续两行的平均值。

内容的提问来源于stack exchange，提问作者J126