在 groupby 组行上使用过滤器的条件滚动求和

Question

我一直在尝试找到一种在 python 中创建“average_gain_up”的方法但没有成功，但有点卡住了。作为 groupby 的新手，它如何处理我无法掌握的功能，因此如何思考这些类型的问题背后的任何直觉都会有所帮助。

问题： 创建一个滚动的 14 天总和，仅当值为 >0 时才求和。

new=pd.DataFrame([[1,-2,3,-2,4,5],['a','a','a','b','b','b']])
new= new.T #transposing into a friendly groupby format

#Group by a or b, filter to only have positive values and then sum rolling, we 
keep NAs to ensure the sum is ran over 14 values. 
groupby=new.groupby(1)[0].filter(lambda x: x>0,dropna=False).rolling(14).sum()

预期的总和框架：

x.all()/len(x) 结果：

这会引发类型错误“过滤器必须返回布尔结果”。 通过阅读其他答案，我明白我在问一个系列/帧是否优于 0 。 上面的代码适用于 len(x)，在这种情况下也很有意义。

我也尝试使用 all()，但它的行为不符合预期。 .all() 函数每组返回一个布尔值，然后总和只是一个简单的滚动总和。

我尝试创建一个布尔值列表来说明哪些值是正数，哪些不是，但这也会产生错误，这次我不知道为什么。

groupby1=new.groupby(1)[0]
groupby2=[y>0 for x in groupby1 for y in x[1] ]
groupby_try=new.groupby(1)[0].filter(lambda x:groupby2,dropna=False).rolling(2).sum()

1) 我如何使上述代码正常工作，我的想法有什么问题？

2) 这是执行这些类型操作的“最佳实践”方式吗？

感谢任何帮助，如果我遗漏了什么或需要任何进一步的说明，请告诉我。

Answer 1

根据filter 上的文档在groupby 之后，如果它们不符合某些标准，则不应将filter 值放在组内，而是将组作为一个整体，例如sum该组的所有元素的总和大于 2，则该组保留在给定的第一个示例中

一种方法是先将new[0] 中的所有负值替换为0，例如使用np.clip，然后使用groupby、rolling 和sum，例如

print (np.clip(new[0],0,np.inf).groupby(new[1]).rolling(2).sum())
1   
a  0    NaN
   1    1.0
   2    3.0
b  3    NaN
   4    4.0
   5    9.0
Name: 0, dtype: float64

这种方式可以防止修改new 中的数据，如果您不介意可以使用new[0] = np.clip(new[0],0,np.inf) 更改第0 列，然后执行new.groupby(1)[0].rolling(2).sum() 得到相同的结果。