如何有效地计算熊猫中所有后续行的平均值?

Question

给定一个看起来像这样的数据帧：

date,score
2019-10-01,5
2019-10-02,4
2019-10-03,3
2019-10-04,6

我如何使用后续/后续行计算score的平均值，使其外观/行为如下所示：

date,score
2019-10-01,5,(5+4+3+6)/4
2019-10-02,4,(4+3+6)/3
2019-10-03,3,(3+6)/2
2019-10-04,6,6

这在SQL中非常容易，这是我尝试翻译它的地方，在SQL中我可以编写：

select avg(score) over(order by date) ...

但是我很难在熊猫身上弄清楚这一点。

任何指导将不胜感激。

谢谢！

Answer 1

使用自下而上cumsum除以arange

df['cummean'] = df.score[::-1].cumsum()[::-1] / np.arange(len(df), 0, -1)

---

date  score   cummean
0  2019-10-01      5  4.500000
1  2019-10-02      4  4.333333
2  2019-10-03      3  4.500000
3  2019-10-04      6  6.000000

Answer 2

尝试expanding反转序列

df['calc_mean'] = df.score[::-1].expanding(1).mean()
Out[228]:
date  score  calc_mean
0  2019-10-01      5   4.500000
1  2019-10-02      4   4.333333
2  2019-10-03      3   4.500000
3  2019-10-04      6   6.000000

Answer 3

反向系列cumsum：

df['cum_mean'] = (df[::-1].assign(c=1)
.agg({'score':'cumsum', 'c':'cumsum'})
.assign(cum_mean = lambda x: x['score']/x['c'])
['cum_mean']
)

输出：

date  score  cum_mean
0  2019-10-01      5  4.500000
1  2019-10-02      4  4.333333
2  2019-10-03      3  4.500000
3  2019-10-04      6  6.000000