重新計算mean和std avg（Python，Pandas）

Question

問題：我需要重新計算最後n分鐘的平均值和std dev 每分鐘。

也就是說，如果我們假設n == 3，那麼我有3個數據幀，比如分鐘12:01,12:02,12:03。在12點04分計算平均值，最後3分鐘的標準差。

12:05我需要重新計算12:02，12:03和12:04的數據幀的平均值和標準偏差。

現在我可以通過concat上的最後3個數據幀傳遞一個新的分鐘，然後計算我需要的數據。但這意味着我不必要地重新計算每個數據幀n-1次。

有沒有辦法「暫停」數據框的計算或保存中間結果，添加一個數據幀，然後恢復它？ （cpt明顯插件：出於數學原因，我不能只是平均最後的n-1平均值和標準偏差值 - 理論上我可以平均每個df中的樣本數相等的平均值，但它不是）

（很顯然，我沒有立即可用整個過去的數據集 - 每分鐘1新df是輸入和比n分鐘年長從計算「已刪除」）的DF數量

Answer 1

你可以計算Mean (M), Second Moment (M2) and Std (D)每個數據幀，當你。需要彙總其中的一些，您可以使用此統計的屬性：

M_I = LEN（X_I）

M（X_I）=總和（X爲X_I X）/ M_I

M2（X_I）=總和（X ** 2爲在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樣品中的意見數量

更多信息，請參閱wiki

Answer 2

你可以這樣做：

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