在 pandas 中具有重复索引的数据帧上应用滚动平均函数答案

【问题标题】：Apply rolling mean function on data frames with duplicated indices in pandas在 pandas 中具有重复索引的数据帧上应用滚动平均函数
【发布时间】：2015-04-23 11:27:40
【问题描述】：

我很难在以下包含重复索引的数据框中使用 pd.rolling_mean 函数：

               amount
    20140101    3
    20140102    4
    20140103    3
    20140103    5
    20140103    1
    20140104    5
    20140105    6
    20140106    2
    …

我需要计算“金额”的3天平均值，例如20140101到20140103的平均值应该是(3+4+3+5+1)/5=3.2，20140104到20140106的平均值应该是(5+6+2)/3=4.3

有人知道怎么做吗？提前谢谢！

【问题讨论】：

标签： python numpy pandas dataframe average-precision

【解决方案1】：

如果您的日期列已经是日期时间并且是索引，您可以调用rolling_mean：

In [15]:

pd.rolling_mean(df['amount'], window=1,  freq='3d')
Out[15]:
date
2014-01-01    3.200000
2014-01-04    4.333333
Freq: 3D, dtype: float64

如果需要，您可以通过执行以下操作将索引转换为日期时间：

df.index = pd.to_datetime(df.index.astype(str), '%Y%m%d')

这是在索引实际上是 dtype int64 的情况下，如果它已经是一个字符串，那么你可以忽略 astype 位

【讨论】：

直到现在才意识到'freq'的用法，谢谢！它不适用于空间不规则的数据帧，而我的实际数据帧就是这种情况。

【解决方案2】：

你可以这样做：

>>> df
          amount
20140101       3
20140102       4
20140103       3
20140103       5
20140103       1
20140104       5
20140105       6
20140106       2
>>> xf = df.groupby(level=0)['amount'].agg(['sum', 'count'])
>>> xf
          sum  count
20140101    3      1
20140102    4      1
20140103    9      3
20140104    5      1
20140105    6      1
20140106    2      1
>>> pd.rolling_sum(xf['sum'], 3, 0) / pd.rolling_sum(xf['count'], 3, 0)
20140101    3.000
20140102    3.500
20140103    3.200
20140104    3.600
20140105    4.000
20140106    4.333
dtype: float64

你会得到3.2和4.3，分别对应20140103和20140106。

【讨论】：