Bỏ qua đến nội dung chính
Mục lục

rolling() trong pandas: trung bình trượt 7 ngày

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 12/17 · Chương 8

Dữ liệu thời gian

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

rolling() trong pandas tính trung bình trượt: với mỗi ngày, lấy trung bình của ngày đó và vài ngày ngay trước, như rolling(7).mean() cho trung bình 7 ngày gần nhất. Chuỗi số đo bụi mịn nhảy lên xuống từng ngày; trung bình trượt làm mượt chuỗi đó để thấy xu hướng tuần này cao hơn hay thấp hơn tuần trước.

Cần biết trước: resample(), lọc theo ngày và thống kê mô tả.

Trung bình trượt 7 ngày bằng rolling(7).mean()

Đặt một khung rộng 7 ô lên dãy số đo: tính trung bình 7 số trong khung, ghi vào ô cuối khung, rồi trượt khung sang phải một ô và làm lại. rolling(7) dựng khung, còn hàm gọi sau nó, ở đây mean(), quyết định khung được tính thế nào. Với PM2.5 của Bắc Ninh trong file khong_khi.csv của bộ dữ liệu thực hành:

python
import pandas as pd

kk = pd.read_csv("khong_khi.csv", parse_dates=["ngay"])
bn = kk[kk["tinh"] == "Bắc Ninh"].set_index("ngay").sort_index()
pm25 = bn["pm25"]
tb7 = pm25.rolling(7).mean()
print(pd.DataFrame({"pm25": pm25, "tb7": tb7.round(1)}).head(9))

KẾT QUẢ

            pm25   tb7
ngay
2025-01-01  75.2   NaN
2025-01-02  57.2   NaN
2025-01-03  62.2   NaN
2025-01-04  69.1   NaN
2025-01-05  55.0   NaN
2025-01-06  65.8   NaN
2025-01-07  66.8  64.5
2025-01-08  52.8  61.3
2025-01-09  42.1  59.1

Khung của sáu ngày đầu còn thiếu ngày nên chưa có trung bình (NaN). Ngày 07/01 là trung bình của 01/01 tới 07/01; ngày 08/01 bỏ 01/01 và thêm 08/01. Số đo thật rơi từ 66,8 xuống 42,1 trong hai ngày, còn trung bình trượt chỉ giảm hơn 5 đơn vị. Đổi rolling(7) thành rolling(3) rồi chạy lại: NaN chỉ còn ở hai ngày đầu và cột tb7 nhấp nhô nhiều hơn.

Ngày đầu chuỗi với min_periods=

min_periods= là số ô tối thiểu trong khung để được tính; mặc định bằng chính độ rộng cửa sổ. Hạ nó xuống, những ngày đầu có số thay vì NaN, nhưng là trung bình của ít ngày hơn:

python
import pandas as pd

kk = pd.read_csv("khong_khi.csv", parse_dates=["ngay"])
bn = kk[kk["tinh"] == "Bắc Ninh"].set_index("ngay").sort_index()
pm25 = bn["pm25"]
tb = pm25.rolling(7, min_periods=1).mean()
print(tb.round(1).head(3).to_list())
print("Ô NaN:", pm25.rolling(7).mean().isna().sum(), "->",
      tb.isna().sum())

KẾT QUẢ

[75.2, 66.2, 64.9]
Ô NaN: 6 -> 0

Ngày 01/01 chỉ có chính nó, nên trung bình là 75,2; ngày 02/01 là trung bình của hai ngày. Hợp khi biểu đồ không được bỏ trống ngày nào, nhưng hãy nhớ mấy số đầu kém tin cậy hơn. Khi cửa sổ gặp ô NaN ở giữa chuỗi, min_periods= cũng quyết định có tính hay không.

Cửa sổ ở giữa với center=True

Mặc định, nhãn của khung là ngày cuối, nên trung bình trượt "đi trễ" sau số đo thật: một đợt bụi cao lên đỉnh muộn vài ngày trên đường trung bình. center=True đặt nhãn ở giữa khung, dùng 3 ngày trước, chính ngày đó và 3 ngày sau:

python
import pandas as pd

kk = pd.read_csv("khong_khi.csv", parse_dates=["ngay"])
ha_noi = kk[kk["tinh"] == "Hà Nội"].set_index("ngay").sort_index()
pm25 = ha_noi["pm25"]
cuoi = pm25.rolling(7).mean()
giua = pm25.rolling(7, center=True).mean()
print("Đỉnh thật:     ", pm25.idxmax().date())
print("Đỉnh tb7 cuối: ", cuoi.idxmax().date())
print("Đỉnh tb7 giữa: ", giua.idxmax().date())

KẾT QUẢ

Đỉnh thật:      2025-12-08
Đỉnh tb7 cuối:  2025-12-10
Đỉnh tb7 giữa:  2025-12-07

Đợt bụi đầu tháng 12 lên đỉnh ngày 08/12. Đường trung bình thường đặt đỉnh muộn hai ngày; đường center=True đặt đỉnh gần ngày thật. Đổi lại, center=True cần số đo của 3 ngày sau, nên ba ngày cuối chuỗi là NaN, và không dùng được cho cảnh báo "hôm nay". Dùng nó khi vẽ biểu đồ nhìn lại cả năm; bài biểu đồ đường cho cách vẽ hai đường cùng lúc.

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.Series([2.0, 4.0, 6.0, 8.0]).rolling(2).mean().to_list() cho kết quả gì?

    • [nan, 3.0, 5.0, 7.0]
    • [3.0, 5.0, 7.0]
    • [2.0, 3.0, 5.0, 7.0]
    • [3.0, 5.0, 7.0, nan]
  2. Sau import pandas as pd, pd.Series([2.0, 4.0, 6.0, 8.0]).rolling(3, min_periods=1).mean().to_list() cho kết quả gì?

    • [nan, nan, 4.0, 6.0]
    • [2.0, 3.0, 4.0, 6.0]
    • [2.0, 4.0, 4.0, 6.0]
    • [4.0, 6.0]
  3. Bạn cần cảnh báo hôm nay theo trung bình 7 ngày gần nhất của một tỉnh. Những cách nào đúng?

    • Lọc tỉnh, sort_index(), rồi rolling(7).mean() và xem ô cuối
    • rolling(7, center=True).mean() và xem ô cuối
    • kk.groupby("tinh")["pm25"].rolling(7).mean(), với kk đã sắp theo ngày, rồi lấy dòng hôm nay của tỉnh đó
    • kk["pm25"].rolling(7).mean() trên bảng sáu tỉnh
  4. Trong ví dụ cuối, vì sao đỉnh của trung bình trượt thường (nhãn ngày cuối khung) muộn hơn đỉnh thật?

    • Vì rolling() sắp lại dữ liệu
    • Vì mỗi ô là trung bình của nó và 6 ngày trước, nên đường đi trễ sau số đo thật
    • Vì thiếu min_periods=
    • Vì mean() bỏ qua ngày có bụi cao
Đúng hết lần đầu +15 XP

Bài tập

Ngày phát cảnh báo bụi mịn

Trạm quan trắc phát cảnh báo khi trung bình của cua_so ngày gần nhất, tính tới hết hôm đó, vượt một ngưỡng. do là một Series số đo mỗi ngày, index là ngày liên tiếp nhưng dòng chưa sắp; không có ô trống. Viết thân hàm ngay_canh_bao(do, cua_so, nguong):

  • Một ngày chỉ được xét khi đã có đủ cua_so ngày tính tới hết ngày đó; trung bình bằng đúng nguong thì chưa cảnh báo.

  • Mỗi ngày cảnh báo là một chuỗi dạng "2025-11-04", xếp theo thứ tự thời gian.

Hàm không sửa chuỗi do của nơi gọi.

Trả về: các ngày cảnh báo, một list.

python
import pandas as pd

def ngay_canh_bao(do, cua_so, nguong):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • rolling(n).mean() là trung bình trượt: mỗi ô là trung bình của nó và n - 1 ô trước; sum(), max() cũng dùng được.

  • Mặc định min_periods= bằng n, nên n - 1 ô đầu là NaN; hạ xuống để có số ở đầu chuỗi, kém tin cậy hơn.

  • Cửa sổ trượt theo thứ tự dòng: lọc một nhóm và sort_index() trước, hay dùng groupby().rolling().

  • center=True đặt nhãn ở giữa khung, đỉnh khớp ngày thật hơn, nhưng cần ngày sau nên không dùng cho cảnh báo hôm nay.

Câu hỏi thường gặp

Moving average pandas theo số ngày lịch, khi có ngày bị thiếu, thì sao?

Viết cửa sổ bằng chuỗi thời gian: rolling("7D") lấy mọi dòng trong 7 ngày lịch tính tới ngày đó, kể cả khi vài ngày vắng mặt; index phải là DatetimeIndex đã sắp. rolling(7) thì luôn lấy 7 dòng, có khi trải hơn 7 ngày. Cách tìm ngày thiếu có ở bài date_range() và asfreq().

Trung bình trượt khác resample("W").mean() ở đâu?

resample("W").mean() cho một số mỗi tuần, các tuần không chồng lên nhau. rolling(7).mean() cho một số mỗi ngày, mỗi số dùng 7 ngày gần nhất, nên khung chồng lên nhau và đường mượt hơn. Bài resample() nói về cách thứ nhất. Bài Blog resample, datetime và rolling trong pandas đặt hai cách này cạnh nhau.

Rolling mean pandas có tính được trên nhiều cột cùng lúc không?

Có: gọi rolling(7).mean() trên DataFrame chỉ gồm cột số, như bn[["pm25", "pm10"]], mỗi cột trượt riêng. Cột chữ như tinh phải bỏ ra trước.

Chủ đề

pandas rolling

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập