我正在构建一个机器学习程序来预测足球比赛的结果。

一个我想用于训练程序的特征是球队在最近5场比赛中的平均进球数。我有一个pandas DataFrame，其中除了其他信息外，还包含这项数据。当我只使用 rolling(n).mean()，也就是我要预测的比赛的进球数（用于训练模型）时，这些进球数也会被用来计算最近5场比赛的平均值。

我已经尝试在 rolling() 之前使用 shift(1)，但数据因此向下移动（如预期），并被 NaN 替换。这导致值的数量变得太小，因此 rolling(n) 会自动跳到下一行，我又遇到了同样的问题。

df = pd.read_csv("D1.csv")
n=5
df["FTHG"].shift(1).rolling(n).mean()

解决方案

df["FTHG"].shift(1).rolling(5).mean()

这会产生一个NaN，因为第一场比赛没有前一场比赛，因此你应该先按球队分组，然后再从那时起进行滚动移位。

df = df.sort_values(["HomeTeam", "Date"])

df["goals"] = (
    df.groupby("HomeTeam")["FTHG"]
      .shift(1)
      .rolling(5, min_periods=1)
      .mean()
      .reset_index(level=0, drop=True)
)