大熊猫产生float64

Question

在我的代码here（JSON数据源there）我想计算timedelta对象的滚动平均值：

df['rm5'] = pd.rolling_mean(df['dtd'], window=5) 

df.dtypes的返回如下，timedelta64 [NS]为DTD中柱和float64用于从rolling_mean

Splits      int64 
Time       object 
Cumulative Time    object 
Moving Time     object 
Distance     float64 
Elev Gain      int64 
Elev Loss      int64 
td     timedelta64[ns] 
dc       float64 
dtd     timedelta64[ns] 
rm5       float64 
rm10      float64 
dtype: object 

产生的RM5 & RM10列令人惊讶地对我的结果是一个float64（列RM5和RM10） 一些快速的谷歌搜索向我展示了这个closed bug

这是打算？理想情况下，我想在rolling_mean结果留timedelta64 [NS]

编辑：我仍然可以做一个df['rm5td'] = pd.to_timedelta(df['rm5'])但我发现自动投怪异

Answer 1

这可能是一种夸张地说，这是有意的，但它肯定是pandas.rolling_mean性质的简单结果，它总是会返回一个float64（它静态编码为C级）。

>>> x 
0 0.000000 
1 0.333333 
2 0.666667 
3 1.000000 
4 1.333333 
5 1.666667 
6 2.000000 
7 2.333333 
8 2.666667 
9 3.000000 
dtype: float32 
>>> pd.rolling_mean(x, 3) 
0   NaN 
1   NaN 
2 0.333333 
3 0.666667 
4 1.000000 
5 1.333333 
6 1.666667 
7 2.000000 
8 2.333333 
9 2.666667 
dtype: float64 
>>> y 
0  0j 
1 (1+0j) 
2 (2+0j) 
3 (3+0j) 
4 (4+0j) 
5 (5+0j) 
6 (6+0j) 
7  10j 
8 (8+0j) 
9 (9+0j) 
dtype: complex128 
>>> pd.rolling_mean(y, 3) 
0   NaN 
1   NaN 
2 1.000000 
3 2.000000 
4 3.000000 
5 4.000000 
6 5.000000 
7 3.666667 
8 4.666667 
9 5.666667 
dtype: float64 

我仍然可以做一个df['rm5td'] = pd.to_timedelta(df['rm5'])但我发现自动投怪异

对于一个平均，pd.to_datetime似乎更适用于我比pd.to_timedelta。