pandas 累积平均值 - Python

在Pandas中，我们可以使用expanding()方法来计算序列中的累积平均值。累积平均值是指在序列中每个位置处，其前面所有项的平均值。

以下是一个示例代码片段：

import pandas as pd

data = [10, 20, 30, 40, 50]

# 创建Series对象
s = pd.Series(data)

# 使用expanding()方法计算累积平均值
cumulative_avg = s.expanding().mean()

print(cumulative_avg)

以上代码将输出以下内容：

0    10.0
1    15.0
2    20.0
3    25.0
4    30.0
dtype: float64

在以上示例中，我们首先创建一个包含数字列表的Series对象，然后使用expanding()方法计算累积平均值，并将结果存储在变量cumulative_avg中。最后，我们打印cumulative_avg的值。

注意，expanding()方法需要Series或DataFrame类型的对象，并返回一个与原对象相同形状的新对象。在示例中，s.expanding()创建了一个新的Series对象，其中包含所有位置的累积值。最后，我们使用mean()方法计算所有的累计值的平均值。

此外，我们还可以使用cumsum()方法计算序列中每个位置处的累积和，然后除以每个位置的索引值来计算每个位置处的累积平均值，如下例所示：

import pandas as pd

data = [10, 20, 30, 40, 50]

# 创建Series对象
s = pd.Series(data)

# 使用cumsum()方法计算累积和
cumulative_sum = s.cumsum()

# 计算每个位置处的索引值
index = s.index+1

# 计算每个位置处的累积平均值
cumulative_avg = cumulative_sum / index

print(cumulative_avg)

以上代码将输出以下内容：

0    10.0
1    15.0
2    20.0
3    25.0
4    30.0
dtype: float64

在以上示例中，我们首先创建一个包含数字列表的Series对象，然后使用cumsum()方法计算累积和，并将结果存储在变量cumulative_sum中。然后，我们计算每个位置处的索引值，存储在变量index中。最后，我们将cumulative_sum除以index来计算每个位置处的累积平均值，并将结果存储在变量cumulative_avg中。

总体而言，通过Pandas的expanding()和cumsum()方法，我们可以轻松地计算序列中每个位置处的累积平均值。