我正在寻找熊猫解决这个问题的方法,我有一个数据框
df
A RM
0 384 NaN
1 376 380.0
2 399 387.5
3 333 366.0
4 393 363.0
5 323 358.0
6 510 416.5
7 426 468.0
8 352 389.0
我想看看df['a]>[上一个]rm值中的值是否应该有
0
更新的else A RM Status
0 384 NaN 0
1 376 380.0 1
2 399 387.5 0
3 333 366.0 1
4 393 363.0 0
5 323 358.0 1
6 510 416.5 0
7 426 468.0 0
8 352 389.0 1
我想我需要在numpy
Shift
中使用where
,但是我没有达到预期的效果。import pandas as pd
import numpy as np
df=pd.DataFrame([384,376,399,333,393,323,510,426,352], columns=['A'])
df['RM']=df['A'].rolling(window=2,center=False).mean()
df['Status'] = np.where((df.A > df.RM.shift(1).rolling(window=2,center=False).mean()) , 0, 1)
最后,运用滚动平均法
df.AverageMean=df[df['Status'] == 1]['A'].rolling(window=2,center=False).mean()
最佳答案
很简单shift
df['Status']=(df.A<=df.RM.fillna(9999).shift()).astype(int)
df
Out[347]:
A RM Status
0 384 NaN 0
1 376 380.0 1
2 399 387.5 0
3 333 366.0 1
4 393 363.0 0
5 323 358.0 1
6 510 416.5 0
7 426 468.0 0
8 352 389.0 1
关于python - 排除行以进行 Pandas 滚动平均值计算,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/49802955/