在多列上使用 GroupBy 创建新的滚动平均列

Question

我有一个包含 11 列的数据框，其中 date 是一个索引。我正在尝试使用列total 的滚动平均值创建一个新列。但是，我收到错误：TypeError：插入列的索引与框架索引不兼容

import pandas as pd

df = pd.DataFrame({
    'date':['2016-04-01','2016-05-01','2016-07-01','2016-08-01','2016-09-01',  '2019-04-01','2019-05-01','2019-06-01','2019-08-01','2019-09-01'],
    'Country':['USA', 'USA', 'USA', 'USA', 'USA','USA', 'USA', 'USA', 'USA', 'USA'],
    'Region':['Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern'],
    'State':['New York','New York','New York','New York','New York','New York','New York','New York','New York','New York'],
    'Supplier':['ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC'],
    'Location':['Bin-1', 'Bin-1', 'Bin-1', 'Bin-1', 'Bin-1','Bin-1', 'Bin-1', 'Bin-1', 'Bin-1', 'Bin-1'],
    'Year':[2016,2016,2016,2016,2016,2019,2019,2019,2019,2019],
    'Month':[4,5,7,8,9,4,5,6,8,9],
    'periodcode':[4,5,7,8,9,4,5,6,8,9],
    'Product':['bike','bike','bike','bike','bike','bike','bike','bike','bike','bike'],
    'total':[0,2000,1000,4000,0,2000,2000,1000,4000,600]})
df.set_index('date', inplace=True)

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True)
df.head(10)

但是，当我将year 列包含到groupby 中时，即

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product','Year'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True) 

我计算出滚动平均值。这个问题是，我希望分组排除Year

有什么想法吗？

Answer 1

由于根据我们在下面的 cmets 中的讨论，您希望计算每组跨年的滚动平均值，以下应该会给您想要的结果：

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product'])['total'].rolling(3).mean().reset_index().set_index("date")['total']

关键是保留date 索引（它允许您将计算的滚动平均值与原始数据框中的一行匹配）并提取从列total 的滚动平均值计算返回的Series 对象。

更详细的解释：

您的问题是没有Year 的groupby 会导致DataFrame 与df 不兼容，因此无法分配给df["mean"]。

第一个变体给出了Series 女巫匹配索引：

df.groupby(['Country','Region','State','Supplier','Location','Product','Year'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True)

date
2016-04-01            NaN
2016-05-01            NaN
2016-07-01    1000.000000
2016-08-01    2333.333333
2016-09-01    1666.666667
2019-04-01            NaN
2019-05-01            NaN
2019-06-01    1666.666667
2019-08-01    2333.333333
2019-09-01    1866.666667
Name: total, dtype: float64

但是，第二个变体（没有Year）会产生DataFrame，其中date 列中的每个条目都成为自己的列。因此，您不能将其分配给df["mean"]。

此问题的解决方案实际上取决于您要解决的问题。但是，从概念上讲，如果您将 date 作为索引，则您分配给 df["mean"] 的 Series 中的每个 date 只能有一个值。