重新计算mean和std avg（Python，Pandas）

问题：我需要重新计算最后n分钟的平均值和std dev 每分钟。重新计算mean和std avg（Python，Pandas）

也就是说，如果我们假设n == 3，那么我有3个数据帧，比如分钟12:01,12:02,12:03。在12点04分计算平均值，最后3分钟的标准差。

12:05我需要重新计算12:02，12:03和12:04的数据帧的平均值和标准偏差。

现在我可以通过concat上的最后3个数据帧传递一个新的分钟，然后计算我需要的数据。但这意味着我不必要地重新计算每个数据帧n-1次。

有没有办法“暂停”数据框的计算或保存中间结果，添加一个数据帧，然后恢复它？（cpt明显插件：出于数学原因，我不能只是平均最后的n-1平均值和标准偏差值 - 理论上我可以平均每个df中的样本数相等的平均值，但它不是）

（很显然，我没有立即可用整个过去的数据集 - 每分钟1新df是输入和比n分钟年长从计算“已删除”）的DF数量

来源

2013-12-17 LetMeSOThat4U

你可以计算Mean (M), Second Moment (M2) and Std (D)每个数据帧，当你。需要汇总其中的一些，您可以使用此统计的属性：

M_I = LEN（X_I）

M（X_I）=总和（X为X_I X）/ M_I

M2（X_I）=总和（X ** 2为在X_I X）/ M_I
（X1，X2，... Xn）= sum（M（X_i）* m_i）/ sum（m_i）
M2（X1，X2，... Xn）= sum （X1，X2，... Xn）= M2（X1，X2，... Xn）-M（X1，X2，... Xn）** 2（X1，X2，... Xn）

Then Std = sqrt（D）

其中M_I - X_I样品中的意见数量

更多信息，请参阅wiki

来源

2013-12-17 12:54:06

你可以这样做：

rolling = numpy.zeros(n) 
for i, minute_df in enumerate(new_df): 
    rolling[i % n] = minute_df.mean() 
    print rolling.mean()

来源

2013-12-17 14:18:22 cyborg

重新计算mean和std avg（Python，Pandas）

回答

相关问题