我有一个数据框架DF，有两列a和B，如下所示:
A B
1 0
3 0
4 0
2 1
6 0
4 1
7 1
8 1
1 0
第一部分:应按如下所示执行滑动窗口方法。我需要计算大小为3的滑动窗口中B列的平均值，滑动1个位置。每个窗口的平均值都是手动计算的，并显示在左侧。
A: 1 3 4 2 6 4 7 8 1
B: 0 0 0 1 0 1 1 1 0
[0 0 0] 0
[0 0 1] 0.33
[0 1 0] 0.33
[1 0 1] 0.66
[0 1 1] 0.66
[1 1 1] 1
[1 1 0] 0.66
output: 0 0.33 0.33 0.66 0.66 1 1 1 0.66
第二部分:现在，对于列A中的每一行/坐标，考虑包含该坐标的所有窗口，并应保留给出结果的最高平均值，如列'output'所示。
第二部分的详细说明:第一部分是计算滑动窗口3滑动1个位置的平均值。第二步是:对于A列中的每个坐标"i"，应该评估包含坐标"i"的所有窗口并保留最高的平均分数。例如，在A列中，1只出现在第一个窗口中，因此1的得分为0(这是第一个窗口的平均值)。同样，2出现在第一个和第二个窗口中，因此2的分数应该是window1和window2分数中最高的，即max(0,0.33333)。同样，3出现在第一、第二和第三个窗口，因此3的分数是前三个窗口分数的最大值，即max(0,0.333333,0.3333333)。4存在于第二，第三和第四个窗口，因此4的分数是这些窗口分数的最大值，即Max(0.333333,0.333333,0.666667)等等。
我需要获得如上所示的输出。输出应该像这样:
A B Output
1 0 0
3 0 0.33
4 0 0.33
2 1 0.66
6 0 0.66
4 1 1
7 1 1
8 1 1
1 0 0.66
任何帮助在python将是高度赞赏?
对于第一部分，使用numpy:
WS = 3
B = numpy.array([0,0,0,1,0,1,1,1,0])
filt = numpy.ones(WS) / WS
mean = numpy.convolve(B, filt, 'valid')
第二部分:
paddedmean = numpy.zeros(mean.size + 2 * (WS - 1))
paddedmean[WS-1:-(WS-1)] = mean
output = [numpy.max(paddedmean[i:i+WS]) for i in range(mean.size+WS-1)]
但是A是用来干什么的??