我想计算下面数据框中每一行的1年滚动平均值
试验：
index id date variation
2313 7034 2018-03-14 4.139148e-06
2314 7034 2018-03-13 4.953194e-07
2315 7034 2018-03-12 2.854749e-06
2316 7034 2018-03-09 3.907458e-06
2317 7034 2018-03-08 1.662412e-06
2318 7034 2018-03-07 1.346433e-06
2319 7034 2018-03-06 8.731700e-06
2320 7034 2018-03-05 7.145597e-06
2321 7034 2018-03-02 4.893283e-06
...
例如，我需要计算：
2018-03-13与2017-08-13之间的变异均为7034
等
我试过了：
test.groupby(['id','date'])['variation'].rolling(window=1,freq='Y',on='date').mean()
但是我收到了错误消息：
ValueError: invalid on specified as date, must be a column (if DataFrame) or None
如何在这种情况下使用pandas rolling()函数？
[编辑1]
谢谢Sacul
我测试过：
df['date'] = pd.to_datetime(df['date'])
df.set_index('date').groupby('id').rolling(window=1, freq='Y').mean()['variation']
但是freq='Y'不起作用（我得到了：ValueError: Invalid frequency: Y）然后我使用了window = 365, freq = 'D'。
但还有另一个问题：因为每对夫妇的id-date永远不会有365个连续日期，所以结果总是为空。即使缺少日期，我也要忽略它们并考虑当前日期和当前日期之间的所有日期 - 365以计算滚动均值。例如，假设我有：
index id date variation
2313 7034 2018-03-14 4.139148e-06
2314 7034 2018-03-13 4.953194e-07
2315 7034 2017-03-13 2.854749e-06
然后，
我该怎么做？
[编辑2]
最后，我使用下面的公式计算1年的滚动中位数，平均值和标准差，忽略了缺失值：
pd.rolling_median(df.set_index('date').groupby('id')['variation'],window=365, freq='D',min_periods=1)
pd.rolling_mean(df.set_index('date').groupby('id')['variation'],window=365, freq='D',min_periods=1)
pd.rolling_std(df.set_index('date').groupby('id')['variation'],window=365, freq='D',min_periods=1)
非常感谢你的帮助！
托马斯
答案 0 :(得分：2)
我相信这对你有用：
select column_name
from information_schema.columns c
where table_name = 'core_banking_mpesa';
# First make sure that `date` is a datetime object:
df['date'] = pd.to_datetime(df['date'])
df.set_index('date').groupby('id').rolling(window=1, freq='A').mean()['variation']
是索引时，使用pd.DataFrame.rolling和日期时间很有效，这就是我使用date的原因（可以在其中一个documentation's examples中看到）< / p>
我无法真正测试它是否适用于您的示例数据框中的年份平均值，因为只有一年且只有一个ID，但它应该有用。
[编辑] 正如Mihai-Andrei Dinculescu所指出的，df.set_index('date')现在是一个弃用的论点。这是一种替代（并且可能更适合未来的）方式来做你正在寻找的东西：
freq