web-dev-qa-db-ja.com

pd.rolling_meanが非推奨に-ndarraysの代替

pd.rolling_meanはndarraysのサポートが終了しているようです。

 pd.rolling_mean(x, window=2, center=False)

FutureWarning：pd.rolling_meanはndarraysでは非推奨であり、将来のバージョンでは削除される予定です

this SO answer によると、これはこれを行う最も速い方法のようです。

pd.rolling_meanと同じくらい高速なSciPyまたはNumPyでこれを直接行う新しい方法はありますか？

pythonnumpypandasscipymean
15
saladi

編集-残念ながら、新しい方法はそれほど速くないようです：

パンダの新バージョン：

In [1]: x = np.random.uniform(size=100)

In [2]: %timeit pd.rolling_mean(x, window=2)
1000 loops, best of 3: 240 µs per loop

In [3]: %timeit pd.Series(x).rolling(window=2).mean()
1000 loops, best of 3: 226 µs per loop

In [4]: pd.__version__
Out[4]: '0.18.0'

古いバージョン：

In [1]: x = np.random.uniform(size=100)

In [2]: %timeit pd.rolling_mean(x,window=2)
100000 loops, best of 3: 12.4 µs per loop

In [3]: pd.__version__
Out[3]: u'0.17.1'
9
saladi

新しい方法はDataFrame.rollingクラス（これはgroupbyのようなものと考えるつもりだと思います）： http://pandas.pydata.org/pandas-docs/version/0.18.0/ whatsnew.html

例えば.

x.rolling(window=2).mean()
4
maxymoo

これを試して

x.rolling(window=2, center=False).mean()
1
Pruce Uchiha

私は scipy.ndimage.filters.uniform_filter1d 私の answer のように、リンクされた質問に提案します。大規模な配列の場合も高速です。

import numpy as np
from scipy.ndimage.filters import uniform_filter1d
N = 1000
x = np.random.random(100000)

%timeit pd.rolling_mean(x, window=N)
__main__:257: FutureWarning: pd.rolling_mean is deprecated for ndarrays and will be removed in a future version
The slowest run took 84.55 times longer than the fastest. This could mean that an intermediate result is being cached.
1 loop, best of 3: 7.37 ms per loop

%timeit uniform_filter1d(x, size=N)
10000 loops, best of 3: 190 µs per loop
0
moi