需要前六个观察值才能在python wma滚动平均值中正确计算

如何解决需要前六个观察值才能在python wma滚动平均值中正确计算

我正在尝试计算窗口大小为7的熊猫数据框中所有时间序列值的加权移动平均值。由于某些原因，它从第7个观察开始，对前6个观察返回NaN。返回正确的值。尽管第7个值是正确的，但我的方法肯定存在问题。有关如何纠正的任何建议或想法？预先谢谢你！

df=pd.DataFrame(data)

def calc_wma(df,wd_size,weights=1):
    """
    Takes in a series and calculates the WMA with a window size of wd_size
    """
    wma = None
    if isinstance(weights,int):
        weights = np.full(wd_size,weights)

    assert len(weights) == wd_size,"Q4: The size of the weights must be the same as the window size. "

    weights = np.arange(1,wd_size + 1)
    wma=df.rolling(7).apply(lambda cases: np.dot(cases,weights)/weights.sum(),raw=True)
    return wma


calc_wma(df,7)



Out: 
2020-01-23  NaN
2020-01-24  NaN
2020-01-25  NaN
2020-01-26  NaN
2020-01-27  NaN
2020-01-28  NaN
2020-01-29  1034.107143
2020-01-30  1350.714286
2020-01-31  1503.250000
2020-02-01  1710.071429
2020-02-02  2518.607143
2020-02-03  2769.714286
2020-02-04  3166.750000
2020-02-05  3448.714286

解决方法

您无法计算出样本的前6天的7天移动平均值，这就是为什么输出的前6天缺少值的原因。