Pandas滚动窗口均值中的skipna参数：历史遗留问题与解决方案

本文旨在解决 Pandas 早期版本（如 1.2.3）中使用 df.rolling(n).mean(skipna=False) 时，在 Pandas 1.5+ 版本中出现的 FutureWarning 警告问题。通过分析旧版本的 Pandas 源码和文档，我们发现 skipna 参数实际上并未生效。因此，解决此警告的最佳方法是移除该参数。

问题背景

在使用 Pandas 进行数据分析时，滚动窗口计算是一种常见的操作。rolling().mean() 方法用于计算滚动窗口的均值。在较早版本的 Pandas 中，用户可能会尝试使用 skipna 参数来控制是否跳过缺失值（NaN）。然而，在 Pandas 1.5+ 版本中，向 Rolling.mean() 传递额外的关键字参数（kwargs）会导致弃用警告，提示这些参数对结果没有影响，并且未来版本将引发 TypeError。

解决方案

由于 skipna 参数在 Pandas 1.2.3 中实际上并未生效，因此最简单的解决方案是从代码中删除 skipna=False。例如，将以下代码：

df.rolling(n).mean(skipna=False)

修改为：

df.rolling(n).mean()

这样做既可以消除警告，又不会改变代码的实际行为，因为即使存在 skipna=False，缺失值也不会被跳过。

深入分析

为了验证 skipna 参数在 Pandas 1.2.3 中的行为，我们可以进行以下分析：

1. 实验验证：

   运行以下代码，观察输出结果：

   

   千面视频动捕

   千面视频动捕是一个AI视频动捕解决方案，专注于将视频中的人体关节二维信息转化为三维模型动作。

   27

   查看详情

   import pandas as pd
   import numpy as np
   
   df = pd.DataFrame({'a': [1, 2, 3, np.nan, 5, 6, 7]})
   print(df['a'].rolling(3).mean(skipna=True))
   print(df['a'].rolling(3).mean(skipna=False))

   登录后复制

   如果 skipna 参数生效，那么 skipna=True 的结果应该与 skipna=False 的结果不同。然而，在 Pandas 1.2.3 中，你会发现它们的输出完全相同，都显示包含 NaN 的窗口均值为 NaN。

2. 文档查阅：

   查阅 Pandas 1.2.3 版本的官方文档，特别是 pandas.core.window.rolling.Rolling.mean() 的文档。你会发现该文档中并没有 skipna 参数的描述。这表明该参数可能未被正式支持或实现。

3. 源码分析：

   通过阅读 Pandas 1.2.3 的源码，特别是 pandas/core/window/rolling.py 和 pandas/_libs/window/aggregations.pyx 文件，可以确认 roll_mean() 函数的实现中没有处理缺失值的逻辑。skipna 参数虽然被传递，但并未被实际使用。

结论

在 Pandas 1.2.3 中，df.rolling(n).mean(skipna=False) 中的 skipna 参数实际上不起作用。为了与更高版本的 Pandas 兼容，并消除弃用警告，建议直接删除该参数。如果你的代码依赖于跳过缺失值的行为，你可能需要考虑使用其他方法来实现，例如先使用 fillna() 方法填充缺失值，然后再计算滚动均值。

注意事项：

• 在升级 Pandas 版本之前，务必仔细测试代码，确保删除 skipna 参数不会对结果产生意外影响。
• 如果你的代码确实需要跳过缺失值，请考虑使用其他方法来实现，例如使用 fillna() 填充缺失值，或使用自定义的滚动窗口函数。
• 对于新版本的 Pandas，skipna 参数的行为可能已经改变，请查阅官方文档以了解其最新用法。

以上就是Pandas滚动窗口均值中的skipna参数：历史遗留问题与解决方案的详细内容，更多请关注php中文网其它相关文章！