对于时间序列销售预测任务，我想创建一个代表过去 3 天平均销售额的功能。当我想预测未来几天的销售额时遇到问题，因为这些数据点没有销售数据（NaN 值）。 Pandas 提供rolling_mean()，但当窗口中的任何数据点为 NaN 时，该函数会导致 NaN 输出。
My data:
Date Sales
02-01-2013 100.0
03-01-2013 200.0
04-01-2013 300.0
05-01-2013 200.0
06-01-2013 NaN
使用窗口为 2 的 pd.rolling_mean() 后的结果：
Date Rolling_Sales
02-01-2013 NaN
03-01-2013 150.0
04-01-2013 250.0
05-01-2013 250.0
06-01-2013 NaN
期望的结果：
Date Rolling_Sales
02-01-2013 NaN
03-01-2013 150.0
04-01-2013 250.0
05-01-2013 250.0
06-01-2013 200.0
因此，如果包含 NaN，我想忽略它并取窗口中所有其他数据点的平均值。
这是添加的方式min_periods
s=df.Sales.rolling(window=2,min_periods=1).mean()
s.iloc[0]=np.nan
s
Out[1293]:
0 NaN
1 150.0
2 250.0
3 250.0
4 200.0
Name: Sales, dtype: float64
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
