同一周数 Python Pandas 过去 3 年的滚动平均值

Posted 2023-03-12

【中文标题】同一周数 Python Pandas 过去 3 年的滚动平均值

【英文标题】：Rolling Average for last 3 years for same week number Python Pandas

【发布时间】：2019-09-04 22:02:15

【问题描述】：

只要有可用的数据，例如 201932，我就会使用 201632、201732 和 201832 的数据的平均值来查找同一周的平均值。示例：2019 年是年份，32 是周数

【问题讨论】：

Rolling average all values of pandas DataFrame的可能重复

【参考方案1】：

通用示例，未完全测试，您可以根据需要进行更新，请原谅语法/编译错误

# 1 load your data here
myYearlyWeekAvgList = [[Calendar, WkNumber, France, 0, 201538], [....]]

# 2 initialize variables here
totalSum = 0
movingAves = 0  # track total for that yr
myYear = currentYear #  input, for e.g. 2018

# 3 start totals & averages here
for i, x in enumerate(myYearlyWeekAvgList, 1):
    T = x[i]            # get each row
    if x == currentYear # for e.g. if yr is 2018, then sum value
        totalSum.append(T[3]) # your revenue in 3rd col I guess

        moving_ave = totalSum/i  # your average for that col

【参考方案2】：

import pandas as pd
import datetime as datetime

df['Calender Week'] = pd.to_datetime(df['Calender Week'] + '-0', format = '%Y%W-%w')
df.groupby([df['C'], df['Calender Week'].dt.week])['Revenue'].mean()

这就是你想要的。首先，您必须将“日历周”列更改为日期时间。在转换中，我必须添加一个“-0”才能正确转换。它所做的只是决定一周是从星期日还是星期一开始，这在我们的例子中并不重要。

在第二行中，我们使用 groupby。我们按国家和实际日历周（1 到 52）分组，由 .dt.week 表示。我们查看收入列，最后取平均值。

我随机创建的测试数据的结果如下所示：

  C      Calender Week
France        50      16.50
              51      25.00
              52      30.00
USA           50      14.00
              51      13.25
              52      30.50