使用遗漏值pandas.rolling_mean

Question

我有很多与计算rollng_mean当缺失值：

import datetime as dt 
import pandas as pd 
import pandas.io.data as web 

stocklist = ['MSFT', 'BELG.BR'] 

# read historical prices for last 11 years 
def get_px(stock, start): 
    return web.get_data_yahoo(stock, start)['Adj Close'] 

today = dt.date.today() 
start = str(dt.date(today.year-11, today.month, today.day)) 

px = pd.DataFrame({n: get_px(n, start) for n in stocklist}) 
px.ffill() 
sma200 = pd.rolling_mean(px, 200) 

得到以下结果：

In [14]: px 
Out[14]: 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 2836 entries, 2002-01-14 00:00:00 to 2013-01-11 00:00:00 
Data columns: 
BELG.BR 2270 non-null values 
MSFT  2769 non-null values 
dtypes: float64(2) 

In [15]: sma200 
Out[15]: 
<class 'pandas.core.frame.DataFrame'> 
DatetimeIndex: 2836 entries, 2002-01-14 00:00:00 to 2013-01-11 00:00:00 
Data columns: 
BELG.BR 689 non-null values 
MSFT  400 non-null values 
dtypes: float64(2) 

任何想法，为什么大多数sma200 rolling_mean值的失踪，如何获得完整列表？

Answer 1

px.ffill()返回新的DataFrame。要修改px本身，请使用inplace = True。

px.ffill(inplace = True) 
sma200 = pd.rolling_mean(px, 200) 
print(sma200) 

产生

Data columns: 
BELG.BR 2085 non-null values 
MSFT  2635 non-null values 
dtypes: float64(2) 

Answer 2

如果您打印sma200，您可能会发现很多空值或缺失值。这是因为对于rolling_mean，默认情况下非空值的阈值高。

尝试使用

sma200 = pd.rolling_mean(px, 200, min_periods=2) 

从pandas docs：

min_periods：非空数据点的阈值要求（否则结果是NA）

您也可以尝试如果数据集缺少许多点，则更改窗口的大小。