Pandas MultiIndex DataFrame.rolling 偏移量答案

【问题标题】：Pandas MultiIndex DataFrame.rolling offsetPandas MultiIndex DataFrame.rolling 偏移量
【发布时间】：2018-02-23 21:12:25
【问题描述】：

为什么我不能在rolling 多索引DataFrame 时使用偏移量？ 例如：

rng = pd.date_range('2017-01-03', periods=20, freq='8D')
i = pd.MultiIndex.from_product([['A','B','C'], rng], names=['Name','Date'])
df = pd.DataFrame(np.random.randn(60), i, columns=['Vals'])

如果我尝试使用偏移量进行分组和滚动，我会得到“ValueError: window must be an integer”：

df['Avg'] = df.groupby(['Name'])['Vals'].rolling('30D').mean() # << Why doesn't this work?

并不是说以下这些变体满足我的需求，但请注意，使用 int 进行分组和滚动是有效的：

df['Avg'] = df.groupby(['Name'])['Vals'].rolling(4).mean()

我可以在 DataFrame 的单索引子集上滚动偏移：

d = df.loc['A']
d['Avg'] = d['Vals'].rolling('30D').mean()

如果真的不可能在多索引 DataFrames 上使用偏移量进行滚动，那么将一个偏移量应用于每个 0 级索引项的最有效解决方法是什么？

【问题讨论】：

标签： python pandas dataframe aggregate multi-index

【解决方案1】：

要使用像“30D”这样的偏移量，您需要一个简单的日期索引。在这种情况下，实现这一目标的最简单方法是使用reset_index(level='Name') 将“名称”移出索引，只留下“日期”作为索引：

df['Avg'] = df.reset_index(level='Name').groupby(['Name'])['Vals'].rolling('30D').mean()

【讨论】：