在 pandas 中对具有重复索引的数据帧应用滚动平均函数

Question

我很难在以下包含重复索引的数据框中使用 pd.rolling_mean 函数：

               amount
    20140101    3
    20140102    4
    20140103    3
    20140103    5
    20140103    1
    20140104    5
    20140105    6
    20140106    2
    …

我需要计算 'amount' 的 3 天平均值，例如 20140101 到 20140103 的平均值应该是 (3+4+3+5+1)/5=3.2，从 20140104 开始的平均值到 20140106 应该是 (5+6+2)/3=4.3

有人知道怎么做吗？提前致谢！

Answer 1

你可以做到：

>>> df
          amount
20140101       3
20140102       4
20140103       3
20140103       5
20140103       1
20140104       5
20140105       6
20140106       2
>>> xf = df.groupby(level=0)['amount'].agg(['sum', 'count'])
>>> xf
          sum  count
20140101    3      1
20140102    4      1
20140103    9      3
20140104    5      1
20140105    6      1
20140106    2      1
>>> pd.rolling_sum(xf['sum'], 3, 0) / pd.rolling_sum(xf['count'], 3, 0)
20140101    3.000
20140102    3.500
20140103    3.200
20140104    3.600
20140105    4.000
20140106    4.333
dtype: float64

并且 20140103 和 20140106 分别得到 3.2 和 4.3。

Answer 2

如果您的日期列已经是日期时间并且是索引，您可以调用 rolling_mean:

In [15]:

pd.rolling_mean(df['amount'], window=1,  freq='3d')
Out[15]:
date
2014-01-01    3.200000
2014-01-04    4.333333
Freq: 3D, dtype: float64

如果需要，您可以通过执行以下操作将索引转换为日期时间：

df.index = pd.to_datetime(df.index.astype(str), '%Y%m%d')

这是为了防止索引实际上是 dtype int64，如果它已经是一个字符串，那么您可以忽略 astype 位

在 pandas 中对具有重复索引的数据帧应用滚动平均函数

Apply rolling mean function on data frames with duplicated indices in pandas

python

numpy

pandas

dataframe

average-precision