如何在Python Pandas中实现滑动窗口的加权平均计算？-Python教程-PHP中文网

rolling().mean()仅支持等权均值，因底层为c实现的滑动求和且不接受权重参数；win_type仅控制窗口形状，不改变等权逻辑；apply()不透传weights，需手动构造并校验长度。

如何在python pandas中实现滑动窗口的加权平均计算？

直接用 rolling() 配合 apply() 是最灵活的方式，但默认不支持内置加权窗口；想用向量化性能，得手动构造权重并配合 np.average() 或 convolve。

为什么 `rolling().mean()` 不能直接做加权平均

Pandas 的 rolling().mean() 是等权均值，底层调用的是 C 实现的滑动求和+计数，不接受权重参数。即使传入 win_type（比如 'gaussian'），它也只影响窗口形状，最终仍是对窗口内值做等权平均，不是你想要的「按自定义权重加权」。

win_type='triangular' 仅控制窗口衰减形态，不改变加权逻辑
rolling().apply(np.average, weights=...) 会报错 —— apply 不把 weights 透传给 np.average
权重必须在 apply 内部显式构造，且长度需严格匹配当前窗口

用 `rolling().apply()` + 手动加权（最通用）

适合权重固定、窗口大小固定、逻辑需自定义的场景，比如前 3 期按 [0.5, 0.3, 0.2] 加权。

Secure Python Code Sandbox

安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。

下载

import pandas as pd
import numpy as np
<p>s = pd.Series([1, 2, 3, 4, 5])
weights = np.array([0.5, 0.3, 0.2])</p><p>result = s.rolling(window=3).apply(
lambda x: np.average(x, weights=weights) if len(x) == 3 else np.nan,
raw=False
)
</p>

必须加 if len(x) == 3 else np.nan：滚动初期窗口不满，x 长度不足，np.average 会因权重长度不匹配报 ValueError
raw=False（默认）才能把 x 当 Series 处理，方便取值；设为 True 会传 ndarray，但权重仍需对齐
性能一般：Python 层循环，大数据量时明显慢于向量化方法

用 `np.convolve()` 实现向量化加权滚动（最快）

当权重是固定数组、窗口大小恒定、且允许首尾填充 nan 时，这是最优解。本质是把加权平均转为一维卷积。

w = np.array([0.5, 0.3, 0.2])
# 卷积后需除以权重和（此处为 1.0），若权重未归一化要显式除
conv = np.convolve(s, w[::-1], mode='valid')  # 注意反转权重
result = pd.Series(conv, index=s.index[2:])  # 对齐索引

权重必须反转：np.convolve 是“翻转后滑动点乘”，而滚动窗口是正序对齐，所以传 w[::-1]
mode='valid' 自动截掉边界不完整部分，结果比原序列短 window-1 个元素
无法处理 min_periods 类逻辑（比如允许窗口从 1 开始计算），也不支持 center=True
若权重和不为 1，必须手动除：例如 w=[1,2,1] 要写 np.convolve(s, w[::-1]) / w.sum()

容易被忽略的边界与 dtype 问题

加权滚动最常出问题的地方不在主逻辑，而在边缘细节：

输入 Series 若含 NaN，np.average(..., weights=...) 默认不忽略，会传播 NaN；如需跳过，得先 dropna() 或改用 np.nansum(x * w) / np.nansum(w)
权重数组类型最好显式设为 float64，否则混合 int 权重和 float 数据可能导致意外截断
使用 convolve 时，若原始数据是 Int64（nullable int），卷积会强制转为 float64，无法保留整数语义
rolling(window=n).apply(...) 在 axis=1（DataFrame 行方向）时行为不同，权重需按行构造，别直接复用列方向代码