Question

为什么我不能在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'])多索引DataFrame时使用偏移？例如，使用：

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

如果我尝试使用偏移量进行分组和滚动，我会得到“ ValueError：window必须是整数”：

int

并非以下这些变体符合我的需求，但请注意使用df['Avg'] = df.groupby(['Name'])['Vals'].rolling(4).mean()进行分组和滚动有效：

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

我可以在DataFrame的单索引子集上使用偏移量滚动：

./runtime/local/bin/crawl

如果真的不可能在多索引DataFrame上使用偏移量滚动，那么将一个应用于每个0级索引项目的最有效的解决方法是什么？

Answer 1

为了使用像＆＃39; 30D＆＃39;你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移动名称＆＃39;超出reset_index(level='Name')的索引，只剩下＆＃39;日期＆＃39;作为索引：

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

Pandas MultiIndex DataFrame.rolling偏移量

1 个答案: