我搜索了 stackoverflow，但找不到适合我的内容。
我正在计算滚动窗口的加权移动平均值。
方程为：
#weighted average temp with smoothing factor, a
#T_w = sum[k=1,24](a^(k-1)*T(t-k)) / sum[k=1,24]a^(k-1)
看起来很简单，但我需要将此平均值应用于滚动窗口。我可以做滚动平均值（简单移动平均值）：
T_ = pd.DataFrame()
T_ = temps['T'].rolling(window=24).mean()
但现在我只想对我要平均的窗口应用权重。Python 的 .ewm() 并不能满足要求，因为我希望权重仅适用于我“滚动”的窗口。
我发现了一些看起来可能有效的片段，但组件失败了：
from functools import partial
window = 13
alpha = 1-ln(2)/3 # This is ewma's decay factor.
weights = list(reversed([(1-alpha)**n for n in range(window)]))
ewma = partial(average, weights=weight)
rolling_average = series.rolling(window).apply(ewma)
在这里，我遇到的问题是partial()如何调用average()——这是在这里介绍的——在pandas数据帧上创建滚动自定义EWMA——但我还不能发表评论（新手），而且我不'不知道该去哪里。
我已经实现了另一个解决方案，但它并不能完全满足我的需要：
alpha = 0.1 # This is my smoothing parameter
weights = list(reversed([(1-alpha)**n for n in range(window)]))
def f(w): …我正在尝试在python中构建一个填充了1和0的数据帧,具体取决于一列中的数字:
Date Hour
2005-01-01 1
2005-01-01 2
2005-01-01 3
2005-01-01 4
我想根据"小时"中的数字创建新列,如果该行等于"小时"中的值,则填充每列1,否则填充0.
Date Hour HE1 HE2 HE3 HE4
2005-01-01 1 1 0 0 0
2005-01-01 2 0 1 0 0
2005-01-01 3 0 0 1 0
2005-01-01 4 0 0 0 1
我可以使用此代码执行此操作,但需要很长时间:
for x in range(1,5):
_HE = 'HE' + str(x)
for i in load.index:
load.at[i, _HE] = 1 if load.at[i,'Hour']==x else 0
我觉得这对于.apply()来说是一个很棒的应用程序(没有双关语),但我无法让它正常工作.
你会如何加快速度？