Python pandas：根据多个标准计算滚动平均值

Question

我有一个数据框，显示了过去 10 天一组股票的收盘价。它有一个日期时间指数和股票可以通过他们的名字/代码来识别。你能帮我弄清楚如何计算数据框中每只股票的 4 天移动平均线吗？

我尝试使用 pd.DataFrame.rolling().mean() 方法，但它只是给出了整个数据集的滚动平均值。不知道下一步该去哪里......

sampleData = hundredDayData['2019-03-11':'2019-03-20'] sampleData['Close: 4 day mean'] = sampleData['Close'].rolling(window=4).mean() sampleData.head(24)

Answer 1

df = pd.DataFrame({'code': ['a']*10+['b']*10, 'Close': [1]*20})
df.groupby('code')['Close'].rolling(window=4).mean().reset_index()

• 按code 分组并计算组内的滚动平均值

注意：如果你的code's都是乱码（如下图），那么你应该使用

df = pd.DataFrame({'code': ['a']*10+['b']*10+['a']*10, 'Close': [1]*30})
rolling = df.groupby('code')['Close'].rolling(window=4).mean().reset_index().set_index('level_1').rename(
    columns={'Close':'rolling'})[['rolling']]
df.merge(rolling, left_index=True, right_index=True)

在组级别计算滚动平均值，但使用索引将其作为新列合并回主数据框。