Pythonでデータフレームのローリングウィンドウ平均を計算するプログラムの作成方法

はじめに

pandasのデータフレームに対して、連続する行ごとの平均値(移動平均)を計算したいケースはよくあります。例えば、次のようなデータフレームがあるとします。

   Id  Age  Mark
0   1   12    80
1   2   12    90
2   3   14    70
3   4   13    95
4   5   50    85
5   6   70    90

このデータフレームにローリングウィンドウ(窓)サイズ2の平均計算を適用すると、結果は以下のようになります。

Average of rolling window is:
    Id   Age  Mark
0  NaN  NaN   NaN
1  1.5  12.0  85.0
2  2.5  13.0  80.0
3  3.5  13.5  82.5
4  4.5  31.5  90.0
5  5.5  60.0  87.5

解決策

この問題は、以下の手順で解決できます。

• データフレームを定義する

• df.rolling(window=2).mean() を適用して、ローリングウィンドウの平均を計算する

df.rolling(window=2).mean()

サンプルコード

以下のコードを実行して、実際の動作を確認してみましょう。

import pandas as pd

df = pd.DataFrame({"Id":[1, 2, 3, 4, 5, 6],
                   "Age":[12, 12, 14, 13, 50, 70],
                   "Mark":[80, 90, 70, 95, 85, 90],
                  })
print("Dataframe is:\n", df)
print("Average of rolling window is:\n", df.rolling(window=2).mean())

出力

Dataframe is:
  Id Age Mark
0  1  12   80
1  2  12   90
2  3  14   70
3  4  13   95
4  5  50   85
5  6  70   90
Average of rolling window is:
    Id   Age  Mark
0  NaN  NaN   NaN
1  1.5  12.0  85.0
2  2.5  13.0  80.0
3  3.5  13.5  82.5
4  4.5  31.5  90.0
5  5.5  60.0  87.5

解説

rolling()メソッドは、指定したウィンドウサイズ分の連続した行をまとめて処理するためのメソッドです。ここではwindow=2を指定しているため、「各行とその直前の行」の2行ずつが対象となり、それぞれの平均が計算されます。

最初の行には「直前の行」が存在しないため、平均を計算できず NaN(欠損値) となっています。これはエラーではなく、正常な動作です。

ウィンドウサイズを変更したい場合は、引数の数値を変えるだけで対応できます。例えば、直近3行の平均を求めたい場合は次のように書きます。

df.rolling(window=3).mean()

この場合、最初の2行が NaN になります。また、min_periods 引数を指定すると、計算に必要な最小の観測数を制御できるため、先頭行でも NaN を避けたい場合に便利です。