pandas按滚动均值/中位数分组，丢弃缺失值

答案：

Pandas是一个Python库，用于数据分析和数据处理。它提供了丰富的数据结构和数据分析工具，使得在处理和分析大型数据集时更加高效和便捷。

按滚动均值/中位数分组，丢弃缺失值是一种数据处理的操作，它可以用于对时间序列数据进行平滑处理，去除异常值或噪音。下面是按滚动均值和中位数分组的介绍：

1. 滚动均值（Rolling Mean）：滚动均值是一种统计方法，用于计算某个数据序列在指定窗口大小内的均值。通过滚动均值，可以平滑时间序列数据，减少数据的波动性，更好地观察数据的趋势。在Pandas中，可以使用rolling()函数来实现滚动均值操作。

应用场景：滚动均值常用于金融领域的股票价格分析、天气数据的平滑处理等。

推荐的腾讯云相关产品：在腾讯云上进行滚动均值计算可以选择使用弹性MapReduce（EMR）服务，它提供了大规模数据处理和分析的能力。通过EMR，可以使用Hadoop、Spark等框架进行数据处理和分析。

腾讯云EMR产品介绍链接：https://cloud.tencent.com/product/emr

1. 滚动中位数（Rolling Median）：滚动中位数是一种统计方法，用于计算某个数据序列在指定窗口大小内的中位数。与滚动均值类似，滚动中位数也可以平滑时间序列数据，减少异常值的影响。在Pandas中，可以使用rolling()函数结合median()函数来实现滚动中位数操作。

应用场景：滚动中位数常用于信号处理、时间序列分析等领域。

推荐的腾讯云相关产品：在腾讯云上进行滚动中位数计算可以选择使用数据仓库服务（Data Warehouse Service，DWS），它提供了快速、可扩展的数据分析和查询功能。

腾讯云DWS产品介绍链接：https://cloud.tencent.com/product/dws

以上是关于按滚动均值/中位数分组，丢弃缺失值的介绍和推荐的腾讯云相关产品。在实际应用中，根据具体的需求和数据规模，可以选择合适的方法和工具进行数据处理和分析。