新的滚动平均值列，按一列分组并找到另一列的滚动平均值

Question

我有一个数据框 df

<头>

日期	订单	组
1/1/2021 00:00:00	20	A
1/1/2021 00:12:00	100	B
2/1/2021 00:00:00	24	A
2/1/2021 00:13:00	96	B
-----	---	--
14/1/2021	34	A
14/1/2021	103	B

我想要一个新的“滚动平均值”列，以这种方式计算 2 周的订单平均值

<头>

日期	订单	组	滚动平均值
1/1/2021 00:00:00	20	A	NA 或 0
1/1/2021 00:12:00	100	B	NA 或 0
2/1/2021 00:00:00	24	A	NA 或 0
2/1/2021 00:13:00	96	B	Na 或 0
-----	---	--
14/1/2021 00:00:00	34	A	29
14/1/2021 00:00:00	103	B	101

Answer 1

这对我有用：

df['Rolling Mean'] = df['Orders'].rolling(window=pd.Timedelta(days=14)).mean()

请注意，min_periods 方法中的 pd.rolling() 参数采用整数，并且不容易处理时间序列，因此您需要使用以下内容覆盖新滚动平均值列的前 14 天np.nan 作为第二步，如果您不希望那里有任何值，直到至少有 14 天的平均值。这可以通过以下方式实现：

# find integer number of time periods in first 14 days.
delay = len(df.loc[:(df.index[0]+pd.Timedelta(days=14))])

# set all means to `NaN` in those time steps.
df.iloc[:delay] = np.nan

此答案假定日期列是您的索引列，并且您已将 numpy 安装为 np，因此您可以调用 np.nan。祝你好运！