Pandas：滚动平均仅使用基于另一列的最后更新

Question

我想执行滚动平均值，同时平均值排除在另一列中找到的重复项。让我提供一个示例数据框：

Date            Warehose       Value
10-01-1998      London          10
13-01-1998      London          13
15-01-1998      New York        37
12-02-1998      London          21
20-02-1998      New York        39
21-02-1998      New York        17

在这个例子中，假设我想执行 Value 的 30 天滚动平均值，但只考虑仓库位置的最后更新。生成的数据帧预计为：

 Date         Value     Rolling_Mean
02-01-1998      10           10
05-01-1998      13           13
15-01-1998      37           20
12-02-1998      21           29           
20-02-1998      39           30 
21-02-1998      17           19

我的数据量比较大，希望尽可能高效。

Answer 1

有点棘手。由于 rolling.apply 仅适用于 Series 并且您需要“Wharehose”和“Value”来执行计算，因此您需要使用函数（和“全局”变量，这不是超级干净的 IMO）访问完整的数据帧):

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
df2 = df.set_index('Date')

def agg(s):
    return (df2.loc[s.index]
               .drop_duplicates(subset='Warehose', keep='last')
               ['Value'].mean()
           )

df['Rolling_Mean'] = (df.sort_values(by='Date')
                        .rolling('30d', on='Date')
                        ['Value']
                        .apply(agg, raw=False)
                      )

输出：

        Date  Warehose  Value  Rolling_Mean
0 1998-01-10    London     10          10.0
1 1998-01-13    London     13          13.0
2 1998-01-15  New York     37          25.0
3 1998-02-12    London     21          29.0
4 1998-02-20  New York     39          30.0
5 1998-02-21  New York     17          19.0

Pandas：滚动平均仅使用基于另一列的最后更新

Pandas: Rolling mean using only the last update based on another column

python

pandas

rolling-computation