熊猫移动平均线日期

Question

我有一个 df 如下所示：

为数据框添加代码：

df = pd.DataFrame({'Name':['John']*12
                  ,'Type':[*'AABBBBAAABAB']
                  ,'Period':['Noon','Morning']*6
                  ,'Date':['1/1/2020']*2+['1/4/2020']*2+
                          ['1/5/2020']*2+['1/2/2020']*2+
                          ['1/3/2020']*2+['1/19/2020', '1/31/2020']
                  ,'value':[1,2,7,8,9,10,3,4,5,6,5,6]}, index=range(1,13))

基本上我需要一个人（以约翰为例）的值的连续 2 天移动平均值，按类型和时期分类（人也是，但不在此表中）。

预期结果如最后一列所示。 例如1。第 4 行，John 在 Morning 中的 B 型，2020 年 1 月 4 日和 2020 年 1 月 3 日（第 10 行）的平均值为 (6+8)/2=7， 并且在 2020 年 1 月 3 日之前没有 John 的 B 型数据，因此 row10 结果为na

例如 2。第 11 行和第 12 行，它们不是连续的日期，所以都是na

如何使用pandas来实现这个功能？我应该使用transform 还是rolling？

Answer 1

您可以使用以下内容：

df.set_index('Date')\
  .groupby(['Name','Type','Period'])['value']\
  .rolling('2D', min_periods=2)\
  .mean()\
  .reset_index()

输出：

    Name Type   Period       Date  value
0   John    A  Morning 2020-01-01    NaN
1   John    A  Morning 2020-01-02    3.0
2   John    A     Noon 2020-01-01    NaN
3   John    A     Noon 2020-01-02    2.0
4   John    A     Noon 2020-01-03    4.0
5   John    A     Noon 2020-01-19    NaN
6   John    B  Morning 2020-01-04    NaN
7   John    B  Morning 2020-01-05    9.0
8   John    B  Morning 2020-01-03    8.0
9   John    B  Morning 2020-01-31    NaN
10  John    B     Noon 2020-01-04    NaN
11  John    B     Noon 2020-01-05    8.0

并且，一种将其合并回原始数据框的方法：

df_er = (df.set_index('Date')
           .groupby(['Name','Type','Period'])['value']
           .rolling('2D', min_periods=2)
           .mean()
           .rename('Expected Result'))
df.merge(df_er, left_on=['Name', 'Type', 'Period', 'Date'], right_index=True)

输出：

    Name Type   Period       Date  value  Expected Result
1   John    A     Noon 2020-01-01      1              NaN
2   John    A  Morning 2020-01-01      2              NaN
3   John    B     Noon 2020-01-04      7              NaN
4   John    B  Morning 2020-01-04      8              NaN
5   John    B     Noon 2020-01-05      9              8.0
6   John    B  Morning 2020-01-05     10              9.0
7   John    A     Noon 2020-01-02      3              2.0
8   John    A  Morning 2020-01-02      4              3.0
9   John    A     Noon 2020-01-03      5              4.0
10  John    B  Morning 2020-01-03      6              8.0
11  John    A     Noon 2020-01-19      5              NaN
12  John    B  Morning 2020-01-31      6              NaN