使用熊猫滚动的数据帧所有值的实际平均值

如果我有这样的df:

    a001         a002           
      1            1             
    NaN            7             
    NaN          NaN          
    NaN            3             
    NaN          NaN         
    2              2           
    NaN            6 

如果我想计算两行窗口的平均值,我可以使用这个:

df['rolling_mean'] = df.mean(axis=1).rolling(window=2, min_periods=1).mean()

返回:

    a001  a002  rolling_mean
0   1.0   1.0           1.0
1   NaN   7.0           4.0
2   NaN   NaN           7.0
3   NaN   3.0           3.0
4   NaN   NaN           3.0
5   2.0   2.0           2.0
6   NaN   6.0           4.0

这是两行窗口上的平均值,使用单行元素的平均值。例如 rolling_mean 第1行(4)是第0行平均值之间的平均值 (1+1)/2 = 1 以及第1行(7)的值: (1+7)/2 = 4

如果我想得到前两行中这3个值的平均值,那么结果应该是: (1+1+7)/3 = 3 。 为了获得它,我使用了以下方法:

df2 = df.copy()
df['sum'] = df2.sum(axis=1).rolling(window=1, min_periods=1).mean()
df['count'] = df2.count(axis=1).rolling(window=1, min_periods=1).mean()
df['last_2'] = df['sum'].rolling(window=2, min_periods=1).sum() / df['count'].rolling(window=2, min_periods=1).sum()

返回所需输出:

   a001  a002  sum  count     last_2
0   1.0   1.0  2.0    2.0   1.000000
1   NaN   7.0  7.0    1.0   3.000000
2   NaN   NaN  NaN    0.0   7.000000
3   NaN   3.0  3.0    1.0   3.000000
4   NaN   NaN  NaN    0.0   3.000000
5   2.0   2.0  4.0    2.0   2.000000
6   NaN   6.0  6.0    1.0   3.333333

我的问题是:有没有一种更优雅、更像蟒蛇的方式来做到这一点?谢谢