polars.Expr.rolling_mean

Expr.rolling_mean(
    window_size: int,
    weights: list_[float] | None = None,
    *,
    min_samples: int | None = None,
    center: bool = False,
) → Expr

Вычисляет скользящее среднее (moving mean) для значений в этом массиве.

Окно длиной window_size будет проходить по массиву. Значения, попадающие в это окно, могут (опционально) умножаться на веса, заданные вектором weights. Полученные значения будут агрегированы с вычислением среднего. Веса нормализуются так, чтобы их сумма равнялась 1.

Окно для данной строки включает саму строку и window_size - 1 предшествующих ей элементов.

среда выполнения:В памяти

Изменено в версии 1.21.0: Параметр min_periods переименован в min_samples.

Параметры:

window_size

Длина окна в количестве элементов.

weights

Необязательный срез той же длины, что и окно. После нормализации до суммы 1 он будет поэлементно умножен на значения в окне.

min_samples

Количество значений в окне, которые не должны быть null, чтобы вычислить результат. Если задано значение None (по умолчанию), оно будет равно window_size.

center

Размещать метки в центре окна.

Примечания

Если требуется вычислить несколько статистик агрегирования для одного и того же динамического окна, рассмотрите возможность использования rolling — этот метод может кэшировать вычисление размера окна.

Примеры

>>> df = pl.DataFrame({"A": [1.0, 2.0, 3.0, 4.0, 5.0, 6.0]})
>>> df.with_columns(
...     rolling_mean=pl.col("A").rolling_mean(window_size=2),
... )
shape: (6, 2)
┌─────┬──────────────┐
│ A   ┆ rolling_mean │
│ --- ┆ ---          │
│ f64 ┆ f64          │
╞═════╪══════════════╡
│ 1.0 ┆ null         │
│ 2.0 ┆ 1.5          │
│ 3.0 ┆ 2.5          │
│ 4.0 ┆ 3.5          │
│ 5.0 ┆ 4.5          │
│ 6.0 ┆ 5.5          │
└─────┴──────────────┘

Задайте веса, на которые будут умножаться значения в окне:

>>> df.with_columns(
...     rolling_mean=pl.col("A").rolling_mean(
...         window_size=2, weights=[0.25, 0.75]
...     ),
... )
shape: (6, 2)
┌─────┬──────────────┐
│ A   ┆ rolling_mean │
│ --- ┆ ---          │
│ f64 ┆ f64          │
╞═════╪══════════════╡
│ 1.0 ┆ null         │
│ 2.0 ┆ 1.75         │
│ 3.0 ┆ 2.75         │
│ 4.0 ┆ 3.75         │
│ 5.0 ┆ 4.75         │
│ 6.0 ┆ 5.75         │
└─────┴──────────────┘

Разместите значения в центре окна

>>> df.with_columns(
...     rolling_mean=pl.col("A").rolling_mean(window_size=3, center=True),
... )
shape: (6, 2)
┌─────┬──────────────┐
│ A   ┆ rolling_mean │
│ --- ┆ ---          │
│ f64 ┆ f64          │
╞═════╪══════════════╡
│ 1.0 ┆ null         │
│ 2.0 ┆ 2.0          │
│ 3.0 ┆ 3.0          │
│ 4.0 ┆ 4.0          │
│ 5.0 ┆ 5.0          │
│ 6.0 ┆ null         │
└─────┴──────────────┘