分组多索引上的滚动平均值（扩展其窗口）答案

【问题标题】：Rolling mean (that extends its window) on grouped multi-index分组多索引上的滚动平均值（扩展其窗口）
【发布时间】：2019-02-26 02:25:23
【问题描述】：

我有一个基于日期和时间（按时间分组）的多索引。数据如下所示：

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914
2017-10-03 08:05:00  0.00000008  0.00009055  0.00085233
2017-10-04 08:05:00  0.00000000  0.00018774  0.00000000
2017-10-05 08:05:00  0.00000031  0.00007609  0.00409934

还有另一个时间段：

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:30:00  0.00000000  0.00008784  0.00000000
2017-10-03 08:30:00  0.00000008  0.00009055  0.00085375
2017-10-04 08:30:00  0.00000008  0.00018774  0.00041180
2017-10-05 08:30:00  0.00000000  0.00007609  0.00000000
2017-10-10 08:30:00  0.00000008  0.00006900  0.00112288

现在我想对列_s 应用滚动均值，并带有可自扩展的滚动窗口。这意味着对于组内的第一次观察，滚动窗口为 1（所以只是值，第二次观察包括列 _s 的第一个和第二个值等等。

最后，我想让未分组的dataframe 喜欢：

                             r2     var_v2x          _s      s_rolling
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914     0.00353914
2017-10-02 08:10:00  0.00000024  0.00008784  0.00249531     rolling(2)
2017-10-02 08:15:00  0.00000024  0.00008784  0.00249531     rolling(3)
2017-10-02 08:20:00  0.00000024  0.00008784  0.00249531     rolling(4)

到目前为止，我有这个：

`file_name = r'E:\Model\ModelSpecific\Index_shat.txt'

 df = pd.read_csv(file_name, parse_dates=[0], index_col=None, sep=',')

 list_date = sorted(set(df['Date']))
 list_time = sorted(set(df['Time']))
 iterables = [list_date, list_time]
 indexed = pd.MultiIndex.from_product(iterables, names=['date', 'time'])
 df = df.set_index(indexed)

 df = df.dropna()
 df['_s'] = df['r2']/df['var_v2x']

 for date, new_df in enumerate(df.groupby(level=1)):
      new_df = pd.DataFrame(new_df)
      new_df['rolling_s'] = new_df.expanding().mean()
      print(new_df)

但返回：ValueError: 传递的项目数错误 3，位置暗示 1。

我也试过enumerate(df.groupby(level=1)):
但返回：AttributeError: 'tuple' object has no attribute 'rolling'

【问题讨论】：

你想要.expanding().mean()。但不确定代码到底是什么，因为您的输入不够完整，无法创建输出。
@ALollz 添加了我的完整代码。试过.expanding().mean()，但它返回：AttributeError：'tuple'对象没有属性'rolling'。然后我尝试将元组转换为DataFrame，但这会返回：TypeError: DataFrame constructor called with incompatible data and dtype: setting an array element with a sequence
你不需要枚举。只是for date, new_df in df.groupby():，那么new_df就是你的DataFrame

标签： python pandas dataframe mean multi-index

【解决方案1】：

df_needed = df['_s']
df_needed.rename(columns = {'_s':'s_hat'}, inplace=True)

lista = []

for date, new_df in df_needed.groupby(level=1):
    new_df = pd.DataFrame(new_df)
    rolling = new_df[0].expanding().mean()
    lista.append(rolling)

df_init = pd.concat(lista,axis=0)

df_joined = df.join(df_init)
df_joined.columns = ['r2', 'var_v2x', 'r2_var_2x', 's_hat']

df_joined.to_csv(outfile)

最终代码，运行良好！谢谢！

【讨论】：