Question

注意：我已经知道了这个问题的答案，我之所以发布它，只是因为我在堆栈溢出时找不到正确的答案，这花了我很多时间才能解决。话虽如此，请随时提出其他选择。

问题

我有一个熊猫数据框架，其中有三列，一列跟踪日期，一列跟踪相关的观察值（即我的分组列），第三个变量存储一些数值。对于数据框中的每个组，我想计算日期列上的滚动总和。 警告：：数据框中缺少某些日期，我想将其视为值为0的观察值。我不想使用交叉联接来添加所有日期。

可复制的示例

让我们有一个这样的数据框：

df = pd.DataFrame({'id_col' : np.array([1,1,1,1,1,1,2,2,2,2,2,3,3,3]),
                  'value_col' : np.random.randint(0,5,size=14),
                  'dates' : pd.to_datetime(np.array([
                  '2018-01-01',
                  '2018-02-01',
                  '2018-03-01',
                  '2018-05-01',
                  '2018-06-01',
                  '2018-09-01',
                  '2018-01-01',
                  '2018-02-01',
                  '2018-05-01',
                  '2018-06-01',
                  '2018-07-01',
                  '2018-01-01',
                  '2018-02-01',
                  '2018-03-01'])
                  )}
                 )

数据看起来像这样：

    id_col  value_col   dates
0   1   0   2018-01-01
1   1   1   2018-02-01
2   1   4   2018-03-01
3   1   0   2018-05-01
4   1   3   2018-06-01
5   1   3   2018-09-01
6   2   4   2018-01-01
7   2   3   2018-02-01
8   2   2   2018-05-01
9   2   0   2018-06-01
10  2   2   2018-07-01
11  3   4   2018-01-01
12  3   2   2018-02-01
13  3   3   2018-03-01

我尝试过但不起作用的方法：

选项1：完全忽略缺少的日期

df.groupby(['id_col']).rolling(2)['value_col'].sum().reset_index()

选项2：基于熊猫rolling documentation，使用熊猫偏移参数（返回ValueError: window must be an integer）替换窗口宽度。如果将dates列用作数据框的索引，则此方法将起作用。不幸的是，我们不能在此处使用简单索引，因为id_col中的2个不同的ID可以包含相同的日期。（我们可以创建MultiIndex，但是会出现相同的值错误）。

df.groupby(['id_col']).rolling('60d')['value_col'].sum().reset_index()

什么是有效的，但不是很简单：

选项1：交叉联接以填写所有缺失的日期（如果您有很多数据，可能会很困难）

选项2：如本answer所述，从可迭代的笛卡尔积建立多索引。实际上，这与上述选项非常相似。

Answer 1

使用on的{{1}}参数。 documentation实际上提到了它，尽管没有示例可以看到适当的用法。幸运的是，存在熊猫github和this问题，如果您进行评论，则可以使您对如何正确使用带有偏移窗口的滚动功能有所了解。

因此，解决方案将是：

rolling

请注意，使用df.groupby(['id_col']).rolling('60d', on = 'dates')['value_col'].sum().reset_index()代替2个月而不是60d是因为2m会给您带来以下错误：2m。有关此问题的更多信息，请检查stackoverflow问题here。

Python Pandas-在缺少日期的组中有效地对滚动窗口应用功能

1 个答案: