Pandas groupby 滚动获取未来值

Question

我正在尝试将 pandas 滚动函数与 window 大小为 2 的 groupby 一起使用。这将是非常标准的，除此之外我还希望 window 包括当前值 和后续值。

具体来说，给定

df = pd.DataFrame({'groups':['a','a','a','a','a','b','b','b','b','b'], 
                   'info': [i for i in range(10)]})

我要

pd.DataFrame({'groups':['a','a','a','a','a','b','b','b','b','b'], 
                   'info': [i for i in range(10)],
                   'groupsum':[1, 3, 5, 7, nan,  11, 13, 15, 17, nan]})

我试过两种策略，都没有用。我第一次尝试

indexer = pd.api.indexers.FixedForwardWindowIndexer(window_size=2)
df['groupsum'] = df.groupby('groups')['info'].rolling(window=indexer).mean().values

这种方式会导致内核崩溃，即使对于这个玩具数据框也是如此。很好奇为什么。
我的第二种方法是反转数据帧然后使用常规的 groupby 滚动操作：

df = df.iloc[::-1].copy()
df.index = range(df.shape[0])
df['groupsum'] = df.groupby('groups')['info'].rolling(2).sum().values

虽然内核不会用这种方法崩溃，但它不会产生我希望的数据帧；它产生

pd.DataFrame({'groups':['a','a','a','a','a','b','b','b','b','b'], 
                   'info': [i for i in range(10)],
                   'groupsum':[nan,  7.,  5.,  3.,  1., nan, 17., 15., 13., 11.]})

我想这里有一个我不知道的明显解决方案。感谢您的帮助！

Answer 1

如果分配给 numpy 数组而不是 Series 它没有正确对齐，切勿这样做以避免出现此问题。需要通过 Series.reset_index 和 drop=True 删除第一级 MultiIndex，然后通过索引更改顺序：

indexer = pd.api.indexers.FixedForwardWindowIndexer(window_size=2)
df['groupsum'] = df.groupby('groups')['info'].rolling(window=indexer).sum().reset_index(level=0, drop=True)
print (df)
  groups  info  groupsum
0      a     0       1.0
1      a     1       3.0
2      a     2       5.0
3      a     3       7.0
4      a     4       NaN
5      b     5      11.0
6      b     6      13.0
7      b     7      15.0
8      b     8      17.0
9      b     9       NaN

df = df.iloc[::-1].copy()
df.index = range(df.shape[0])
df['groupsum'] = df.groupby('groups')['info'].rolling(2).sum().reset_index(level=0, drop=True)
df = df.iloc[::-1]
print (df)
  groups  info  groupsum
9      a     0       1.0
8      a     1       3.0
7      a     2       5.0
6      a     3       7.0
5      a     4       NaN
4      b     5      11.0
3      b     6      13.0
2      b     7      15.0
1      b     8      17.0
0      b     9       NaN

Answer 2

另一种方法：

df["groupsum"] = df.groupby("groups")["info"].apply(lambda x: x + x.shift(-1))

>>> df
  groups  info  groupsum
0      a     0       1.0
1      a     1       3.0
2      a     2       5.0
3      a     3       7.0
4      a     4       NaN
5      b     5      11.0
6      b     6      13.0
7      b     7      15.0
8      b     8      17.0
9      b     9       NaN

Pandas groupby 滚动获取未来值

Pandas groupby rolling for future values

python

pandas

pandas-groupby

pandas-rolling