熊猫包月滚动操作

Question

我最终在写这个问题时弄明白了，所以我还是会发布并回答我自己的问题，以防其他人需要一点帮助。

问题

假设我们有一个DataFrame、df，包含这些数据。

import pandas as pd
from io import StringIO

data = StringIO(
"""\
date          spendings  category
2014-03-25    10         A
2014-04-05    20         A
2014-04-15    10         A
2014-04-25    10         B
2014-05-05    10         B
2014-05-15    10         A
2014-05-25    10         A
"""
)

df = pd.read_csv(data,sep="\s+",parse_dates=True,index_col="date")

目标

对于每一行，将 spendings 与它 一个月 内的每一行相加，最好使用 DataFrame.rolling，因为它的语法非常简洁。

我尝试过的

df = df.rolling("M").sum()

但这会引发异常

ValueError: <MonthEnd> is a non-fixed frequency

版本：pandas==0.19.2

Answer 1

使用"D" 偏移量而不是"M" 并专门使用"30D" 30 天或大约一个月。

df = df.rolling("30D").sum()

最初，我凭直觉跳到使用 "M"，因为我认为它代表一个月，但现在很清楚为什么它不起作用。

Answer 2

为了解决为什么不能使用“AS”或“Y”之类的东西，在这种情况下，“Y”偏移量不是“一年”，它实际上是引用 YearEnd (http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases)，因此是滚动函数没有固定窗口（例如，如果您的指数在 1 月 1 日下跌，您将获得 365 天的窗口，如果在 12 月 31 日下跌，则获得 1 天）。

如果您不需要严格的日历月，建议的解决方案（偏移 30 天）有效。或者，您将迭代您的日期索引，并使用偏移量进行切片以更精确地控制您的总和。

如果你必须在一行中完成（为了可读性而分开）：

df['Sum'] = [
    df.loc[
        edt - pd.tseries.offsets.DateOffset(months=1):edt, 'spendings'
    ].sum() for edt in df.index
]
spendings   category    Sum
date            
2014-03-25  10  A   10
2014-04-05  20  A   30
2014-04-15  10  A   40
2014-04-25  10  B   50
2014-05-05  10  B   50
2014-05-15  10  A   40
2014-05-25  10  A   40