要按列或按年计算移动平均值，可以使用Python中的Pandas库。下面是一个示例代码，演示如何使用Pandas计算按列或按年的移动平均值。

按列计算移动平均值：

import pandas as pd

# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'C': [11, 12, 13, 14, 15]}
df = pd.DataFrame(data)

# 计算按列的移动平均值
moving_avg = df.rolling(window=2, axis=0).mean()

print(moving_avg)

这将输出按列计算的移动平均值：

     A    B     C
0  NaN  NaN   NaN
1  1.5  6.5  11.5
2  2.5  7.5  12.5
3  3.5  8.5  13.5
4  4.5  9.5  14.5

按年计算移动平均值：

import pandas as pd

# 创建一个示例数据框
data = {'Date': ['2019-01-01', '2019-02-01', '2019-03-01', '2020-01-01', '2020-02-01'],
        'Value': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 将日期列设置为索引
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 计算按年的移动平均值
moving_avg = df['Value'].rolling(window='365D').mean()

print(moving_avg)

这将输出按年计算的移动平均值：

Date
2019-01-01    1.0
2019-02-01    1.5
2019-03-01    2.0
2020-01-01    3.5
2020-02-01    4.5
Name: Value, dtype: float64

请注意，在按年计算移动平均值时，我们首先将日期列转换为日期时间类型，并将其设置为数据框的索引。然后，我们使用rolling函数的window参数指定窗口大小为'365D'，表示按年计算移动平均值。