将现有列作为移动平均值复制到数据框

编程问答 2022-08-15

问题描述

我想我对此太想了-我正在尝试复制现有的熊猫数据帧列和值并进行滚动平均-我不想覆盖原始数据。我要遍历各列，获取各列和各值，将后缀_ma作为新列滚动7天作为新列，作为原始副本的副本。我想将现有数据与7天MA进行比较，然后查看7天MA中有多少标准开发者-我可以弄清楚-我只是想将MA数据另存为新数据框。

我有

for column in original_data[ma_columns]:

    ma_df = pd.DataFrame(original_data[ma_columns].rolling(window=7).mean(),columns = str(column)+'_ma')

并得到错误：Index(...) must be called with a collection of some kind,'Carrier_AcctPswd_ma' was passed

但是如果我要迭代

for column in original_data[ma_columns]:

    print('Colunm Name : ',str(column)+'_ma')
    print('Contents : ',original_data[ma_columns].rolling(window=7).mean())

我得到了我需要的数据：

Moving average data frame

我的问题只是将其保存为新的数据框，可以将其连接到旧的数据框，然后进行分析。

编辑

我现在已经能够制作一堆数据帧，但是我想将它们串联在一起，这就是问题所在：

for column in original_data[ma_columns]:

    MA_data = pd.DataFrame(original_data[column].rolling(window=7).mean())
    for i in MA_data:
        new = pd.concat(i)
        print(i)

<ipython-input-75-7c5e5fa775b3> in <module>
     17 #     print(type(MA_data))
     18     for i in MA_data:
---> 19         new = pd.concat(i)
     20         print(i)
     21 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in concat(objs,axis,join,ignore_index,keys,levels,names,verify_integrity,sort,copy)
    279         verify_integrity=verify_integrity,280         copy=copy,--> 281         sort=sort,282     )
    283 

~\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py in __init__(self,objs,copy,sort)
    307                 "first argument must be an iterable of pandas "
    308                 "objects,you passed an object of type "
--> 309                 '"{name}"'.format(name=type(objs).__name__)
    310             )
    311 

TypeError: first argument must be an iterable of pandas objects,you passed an object of type "str"

解决方法

您应该遍历列名，并将结果的熊猫系列分配为新的命名列，例如：

import pandas as pd

original_data = pd.DataFrame({'A': range(100),'B': range(100,200)})

ma_columns = ['A','B']

for column in ma_columns:
    new_column = column + '_ma'
    original_data[new_column] = pd.DataFrame(original_data[column].rolling(window=7).mean())

print(original_data)

输出数据框：

    A    B  A_ma   B_ma
0    0  100   NaN    NaN
1    1  101   NaN    NaN
2    2  102   NaN    NaN
3    3  103   NaN    NaN
4    4  104   NaN    NaN
..  ..  ...   ...    ...
95  95  195  92.0  192.0
96  96  196  93.0  193.0
97  97  197  94.0  194.0
98  98  198  95.0  195.0
99  99  199  96.0  196.0

[100 rows x 4 columns]
analysisloopspandaspython