pandas.rolling_std, bottleneck.move_std give nans and different results

testx.npy

x.npy

In [80]: pandas.rolling_std(x, 3)
Out[80]: 
array([        nan,         nan,  0.00019071,  0.00068791,  0.00077105,
        0.00049515,  0.00049515,         nan,         nan,  0.00016529,
        0.00016529,  0.00033029,  0.00033029,         nan,         nan,
        0.0004406 ,  0.0004406 ,  0.00005526,  0.00074753,  0.00077363,
        0.        ,  0.00027683,  0.00027683,         nan,  0.00033289,
        0.00062506,  0.00036363,  0.00005541,  0.00005539,  0.00005539,
        0.00044301,  0.00044301,  0.00011101,  0.00011101,         nan,
        0.00055611,  0.00055611,  0.00033354,  0.00033354,         nan,
        0.00022231,  0.00022231,  0.        ,  0.00022246,  0.00022246,
        0.00050108,  0.00050108,  0.        ,  0.00027891,  0.00027891,
        0.00055842,  0.00049637,  0.0003394 ,  0.00022322,  0.00078133,
        0.00091344,  0.0004352 ,  0.00027856,         nan,         nan,
               nan,  0.00022257,  0.00022257,         nan,         nan,
        0.00022253,  0.00022253,         nan,         nan,         nan,
               nan,         nan,  0.00016688,  0.00016688,  0.        ,
        0.00016691,  0.00016691,  0.00016678,  0.00016678,  0.        ,
        0.00011134,  0.00014726,  0.00016698,  0.00016714,  0.00016714,
        0.0004454 ,  0.00038573,  0.00025495,  0.00005565,  0.00027835,
        0.00025512,  0.00005564,         nan,         nan,         nan,
        0.00011119,  0.0001112 ,  0.00011121,  0.        ,  0.        ,
        0.        ,  0.        ,  0.0001668 ,  0.00033826,  0.00022246,
        0.        ,  0.        ,  0.00027829,  0.00027829,  0.00005563,
        0.00009635,  0.00005563,  0.        ,  0.        ,  0.        ,
        0.        ,  0.00038969,  0.00033862,  0.00016712,         nan,
        0.00016722,  0.00016722,  0.00011144,  0.00011144,  0.00011154,
        0.00051107,  0.0004764 ,  0.00014741,  0.00011143,  0.00055761,
        0.0006573 ,  0.00014739,  0.00005569,         nan,         nan,
        0.00050137,  0.00050137,  0.00005576,  0.00005576,         nan,
               nan,  0.00033486,  0.00033486,         nan,         nan,
        0.00005591,  0.00005591,  0.00027953,  0.00027953,         nan,
               nan,  0.00011202,  0.00011202,         nan,  0.00016792,
        0.00016792,  0.00016793,  0.00016796,  0.00034049,  0.00063102,
        0.00033609,         nan,  0.00016829,  0.00016827,  0.00016824,
        0.00005599,  0.00036711,  0.0003359 ,  0.00050365,  0.00050365,
        0.00011215,  0.00011215,  0.00039264,  0.00034118,  0.00022421,
               nan,  0.00011229,  0.00040496,  0.00044926,         nan,
        0.00005614,  0.00005614,  0.00028054,  0.00028054,         nan,
               nan,         nan,  0.00056097,  0.00049864,  0.00016813,
               nan,         nan,  0.00022365,  0.00022365,  0.00044756,
        0.00042236,  0.00005599,  0.00005598,         nan,  0.00011199,
        0.00011199,         nan])

In [81]: bn.move_std(x,3)
Out[81]: 
array([        nan,         nan,  0.00015572,  0.00056167,  0.00062956,
        0.00040429,  0.00040429,         nan,         nan,  0.00013496,
        0.00013496,  0.00026968,  0.00026968,         nan,         nan,
        0.00035975,  0.00035975,  0.00004512,  0.00061036,  0.00063167,
               nan,  0.00022603,  0.00022603,  0.        ,  0.00027181,
        0.00051036,  0.0002969 ,  0.00004524,  0.00004522,  0.00004522,
        0.00036171,  0.00036171,  0.00009064,  0.00009064,         nan,
        0.00045406,  0.00045406,  0.00027233,  0.00027233,         nan,
        0.00018152,  0.00018152,         nan,  0.00018164,  0.00018164,
        0.00040913,  0.00040913,  0.        ,  0.00022773,  0.00022773,
        0.00045595,  0.00040529,  0.00027712,  0.00018226,  0.00063796,
        0.00074582,  0.00035534,  0.00022745,  0.        ,  0.        ,
        0.        ,  0.00018173,  0.00018173,  0.        ,  0.        ,
        0.00018169,  0.00018169,  0.        ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.00013626,  0.00013626,  0.        ,
        0.00013628,  0.00013628,  0.00013618,  0.00013618,  0.        ,
        0.00009091,  0.00012024,  0.00013634,  0.00013647,  0.00013647,
        0.00036367,  0.00031495,  0.00020817,  0.00004544,  0.00022727,
        0.0002083 ,  0.00004543,  0.        ,  0.        ,  0.        ,
        0.00009079,  0.00009079,  0.0000908 ,  0.        ,  0.        ,
        0.        ,  0.        ,  0.00013619,  0.00027619,  0.00018164,
        0.        ,  0.        ,  0.00022723,  0.00022723,  0.00004542,
        0.00007867,  0.00004542,  0.        ,  0.        ,  0.        ,
        0.        ,  0.00031818,  0.00027648,  0.00013645,  0.        ,
        0.00013653,  0.00013653,  0.00009099,  0.00009099,  0.00009108,
        0.00041729,  0.00038898,  0.00012036,  0.00009098,  0.00045529,
        0.00053669,  0.00012034,  0.00004547,  0.        ,  0.        ,
        0.00040936,  0.00040936,  0.00004552,  0.00004552,  0.        ,
        0.        ,  0.00027341,  0.00027341,  0.        ,  0.        ,
        0.00004565,  0.00004565,  0.00022824,  0.00022824,  0.        ,
        0.        ,  0.00009146,  0.00009146,  0.        ,  0.0001371 ,
        0.0001371 ,  0.00013712,  0.00013714,  0.00027801,  0.00051523,
        0.00027442,  0.        ,  0.00013741,  0.00013739,  0.00013737,
        0.00004571,  0.00029974,  0.00027426,  0.00041123,  0.00041123,
        0.00009157,  0.00009157,  0.00032059,  0.00027857,  0.00018307,
        0.        ,  0.00009169,  0.00033065,  0.00036682,  0.        ,
        0.00004583,  0.00004583,  0.00022906,  0.00022906,  0.        ,
        0.        ,  0.        ,  0.00045803,  0.00040714,  0.00013728,
        0.        ,  0.        ,  0.00018261,  0.00018261,  0.00036543,
        0.00034485,  0.00004571,  0.00004571,  0.        ,  0.00009144,
        0.00009144,  0.        ])

In ipython2:

import numpy as np
import pandas
import bottleneck as bn

x = np.load('testx.npy')
pandas.rolling_std(x, 3)
bn.move_std(x,3)

3 <windowed-sequence> [ std ] map .
{
    0.0
    0.0001348796912136224
    0.0001907123116365132
    0.0006879055783587404
    0.0007710487235195566
    0.0004951546047934827
    0.0004951546047934827
    0.0
    0.0
    0.0001652877953593399
    0.0001652877953593399
    0.0003302919160122122
    0.0003302919160122122
    0.0
    0.0
    0.0004405992705826863
    0.0004405992705826863
    5.526469505051948e-05
    0.0007475330364059591
    0.0007736316777052826
    2.655742100606481e-19
    0.000276826941499482
    0.000276826941499482
    1.32787105030324e-19
    0.0003328946391637943
    0.0006250567562260531
    0.0003636272374962694
    5.541321328253432e-05
    5.538663365230706e-05
    5.538663365230706e-05
    0.0004430080715057124
    0.0004430080715057124
    0.0001110075503153819
    0.0001110075503153819
    0.0
    0.0005561069824596914
    0.0005561069824596914
    0.0003335356841095591
    0.0003335356841095591
    0.0
    0.0002223143123558099
    0.0002223143123558098
    0.0
    0.0002224642208566837
    0.0002224642208566837
    0.0005010754506030778
    0.0005010754506030778
    0.0
    0.0002789131735217815
    0.0002789131735217815
    0.0005584198367238356
    0.0004963708576377321
    0.0003394038158374531
    0.0002232168061817236
    0.0007813343420621242
    0.0009134397640738239
    0.0004352013825137094
    0.0002785632872670872
    0.0
    0.0
    0.0
    0.0002225714222038891
    0.0002225714222038891
    0.0
    0.0
    0.0002225285292704514
    0.0002225285292704514
    0.0
    0.0
    0.0
    0.0
    0.0
    0.0001668803167475826
    0.0001668803167475826
    0.0
    0.0001669124802498058
    0.0001669124802498058
    0.0001667839005863069
    0.0001667839005863069
    0.0
    0.0001113393634570569
    0.000147263793467059
    0.0001669768444587034
    0.0001671379723590978
    0.0001671379723590978
    0.0004454004005302956
    0.0003857280999166917
    0.0002549525006444579
    5.565358291382974e-05
    0.0002783484086339819
    0.000255119312612255
    5.564285555530245e-05
    0.0
    0.0
    0.0
    0.0001111892670517647
    0.0001111999773809629
    0.0001112106846163289
    0.0
    0.0
    0.0
    0.0
    0.0001667999622109877
    0.0003382596348770424
    0.0002224642208566839
    0.0
    0.0
    0.0002782947407625811
    0.0002782947407625811
    5.563213231905631e-05
    9.635303779227227e-05
    5.56267722511186e-05
    0.0
    0.0
    0.0
    0.0
    0.0003896877720910386
    0.0003386162006099317
    0.0001671218455804386
    0.0
    0.000167218652983124
    0.000167218652983124
    0.0001114360681722235
    0.0001114360681722235
    0.0001115437150721788
    0.0005110728867909214
    0.0004763977229498653
    0.0001474059008934901
    0.0001114253149079894
    0.0005576108452647649
    0.000657303978082754
    0.0001473906613673781
    5.569116129762529e-05
    0.0
    0.0
    0.0005013655367355422
    0.0005013655367355422
    5.575569958340219e-05
    5.575569958340219e-05
    0.0
    0.0
    0.0003348575751678325
    0.0003348575751678325
    0.0
    0.0
    5.590687219846433e-05
    5.590687219846433e-05
    0.0002795343609923211
    0.0002795343609923211
    0.0
    0.0
    0.0001120198426813667
    0.0001120198426813667
    0.0
    0.0001679157350979926
    0.0001679157350979926
    0.0001679320154691437
    0.0001679564508274895
    0.0003404928443228818
    0.0006310248666583199
    0.0003360921330287542
    0.0
    0.0001682909840209227
    0.0001682664690838075
    0.0001682419434271775
    5.598819522858808e-05
    0.0003671068602682923
    0.0003358965979968023
    0.0005036495514900244
    0.0005036495514900244
    0.0001121504019403744
    0.0001121504019403744
    0.0003926408126240582
    0.0003411790460391467
    0.0002242136967708766
    0.0
    0.0001122921850040853
    0.000404960051843886
    0.000449256118423106
    0.0
    5.613517444472171e-05
    5.613517444472171e-05
    0.0002805394893998667
    0.0002805394893998667
    0.0
    0.0
    0.0
    0.0005609699467441063
    0.0004986377786251049
    0.0001681276264399764
    0.0
    0.0
    0.000223649145531544
    0.000223649145531544
    0.0004475583482092358
    0.0004223566844279974
    5.598548097907085e-05
    5.598276633472506e-05
    0.0
    0.0001119872503522312
    0.0001119872503522312
    0.0
}