我有一个数据框，我想groupby一些属性并计算Dask中数字列的rolling平均值。我知道groupby rolling在Dask中没有实现，但是我读到一个SO问题，表明它是可能的。
Dask rolling function by group syntax
当我在帖子中使用相同的语法时，出现错误：
UnpicklingError: invalid load key, '�'.
我不明白为什么我遇到了无法修复的错误。有人可以帮我做这个工作吗？
df.groupby(by=path)[metric].apply(lambda df_g: df_g[metric].rolling(5).mean(), meta=(metric, 'f8')).compute()
其中path是属性列的列表，而metric是数字列。
我还尝试了以下方法：
def moving_avg(partition):
return partition.rolling(5).mean()
df.groupby(by=path)[metric].apply(moving_avg, meta='f8').compute()
我在Pyspark中使用滚动平均功能，在这里我通过groupby定义了分区，然后在其上滚动一个窗口。
样本数据：
CATEGORY_NAME MKT ... Growth Sales
Date ...
2017-01-07 TP SIMS ... 0.0000 17280
2017-01-07 TP TOPRITE ... -0.4566 1825
2017-01-07 TP GIANT HYPER ... 0.0874 18417
2017-01-07 TP GIANT HYPER ... -0.1359 10914
2017-01-07 TP GIANT HYPER ... 0.2245 4422
2017-01-07 TP TOPRITE ... 0.1084 1444
2017-01-07 TP GIANT HYPER ... 0.0542 18412
2017-01-07 TP FENCER ... 0.2766 25184
2017-01-07 TP GIANT HYPER ... -0.0572 19466
2017-01-07 TP TOPRITE ... 0.1795 1503
2017-01-07 TP GIANT HYPER ... 0.0770 13615
说我想对["CATEGORY_NAME", "MKT"]进行分组，并取Sales的滚动平均值。