直接用rolling().mean()需注意对齐方向、缺失值处理和性能:默认向后对齐,可用shift(1)实现滞后窗口;min_periods控制起始NaN数量;时间序列应使用日期频率如'7D';避免多次rolling或apply以提升性能。

直接用 rolling().mean(),但窗口对齐方式、缺失值处理和性能细节决定结果是否符合预期。
滚动均值的基本写法与对齐方向
默认情况下,rolling(window=3).mean() 计算的是「向后对齐」的窗口:第 i 行的结果基于第 i−2、i−1、i 行数据。这在时间序列中常不符合直觉——比如你想用「过去3天」预测「今天」,就得让窗口包含当前行及前两行,而非后两行。
常见做法是加 closed='both'(默认)或显式指定 closed='left'/closed='right';更直观的是用 shift(1) 错位:
df['ma_3'] = df['value'].rolling(3).mean().shift(1)
这样第 3 行起才有值,且每个均值都基于它前面 3 个观测(不含自身),适合滞后特征构造。
处理起始位置的 NaN 和 min_periods 参数
滚动计算开头几行天然缺数据,rolling(3).mean() 默认返回前两个为 NaN。若希望尽早出值,必须设 min_periods=1:
df['ma_3_partial'] = df['value'].rolling(3, min_periods=1).mean()
-
min_periods=1:第 1 行就用单个值,第 2 行用前两个均值 -
min_periods=2:前 1 行为NaN,第 2 行开始有值 - 不设时等价于
min_periods=3,前两行全NaN
注意:min_periods 不影响窗口大小,只控制“至少几个非空值才计算”,对含 NaN 的列尤其关键。
时间序列中用日期频率代替固定整数窗口
若索引是 DatetimeIndex,硬写 rolling(3) 会忽略日期间隔(比如跳过周末后仍算 3 行)。应改用字符串频率:
df.set_index('date')['value'].rolling('7D').mean()
这样窗口严格按日历天数滑动,自动跳过无数据日期。支持的单位包括 '30min'、'1H'、'7D'、'1M' 等。
但要注意:rolling('7D') 是左闭右闭区间,且要求索引已排序并去重;否则会报 ValueError: index must be monotonic 或静默跳过部分数据。
性能陷阱:避免链式调用 + 多次 rolling
下面写法看着简洁,实际效率极低:
df['ma_fast'] = df['value'].rolling(5).mean() df['ma_slow'] = df['value'].rolling(20).mean() df['diff'] = df['ma_fast'] - df['ma_slow'] # 两次独立滚动
每次 rolling 都遍历整列。如果要多个窗口,优先考虑 numpy 手写或用 numba 加速;或者对高频场景提前缓存结果。另外,rolling().apply(np.mean) 比原生 .mean() 慢 5–10 倍,除非你真需要自定义逻辑,否则别碰 apply。
真正容易被忽略的是:窗口计算本身不触发复制,但 shift、fillna、astype 这类操作可能隐式触发视图转拷贝,大数据量下内存涨得很快。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











