Pandas：具有多个索引的滚动总和（即面板数据）

Posted 2023-03-12

【中文标题】Pandas：具有多个索引的滚动总和（即面板数据）

【英文标题】：Pandas: Rolling sum with multiple indexes (i.e. panel data)

【发布时间】：2016-12-20 03:54:27

【问题描述】：

我有一个具有多个索引的数据框，并希望创建一些数据的滚动总和，但针对索引中的每个 id。

例如，假设我有两个索引（Firm 和 Year），并且我有一些名为 zdata 的数据。工作示例如下：

import pandas as pd

# generating data
firms = ['firm1']*5+['firm2']*5
years = [2000+i for i in range(5)]*2
zdata = [1 for i in range(10)]

# Creating the dataframe
mydf  = pd.DataFrame('firms':firms,'year':years,'zdata':zdata)

# Setting the two indexes
mydf.set_index(['firms','year'],inplace=True)

print(mydf)
             zdata
firms year       
firm1 2000      1
      2001      1
      2002      1
      2003      1
      2004      1
firm2 2000      1
      2001      1
      2002      1
      2003      1
      2004      1

现在，我想为每家公司重新开始滚动总和。但是，如果我输入

new_rolling_df=mydf.rolling(window=2).sum()

print(new_rolling_df)
              zdata
  firms year       
  firm1 2000    NaN
        2001    2.0
        2002    2.0
        2003    2.0
        2004    2.0
  firm2 2000    2.0
        2001    2.0
        2002    2.0
        2003    2.0
        2004    2.0

它没有考虑多重索引，只是做一个正常的滚动和。任何人都知道我应该怎么做（特别是因为我的索引甚至超过 2 个（公司、工人、国家、年份）

谢谢，

阿德里安

【参考方案1】：

选项 1

mydf.unstack(0).rolling(2).sum().stack().swaplevel(0, 1).sort_index()

选项 2

mydf.groupby(level=0, group_keys=False).rolling(2).sum()

【讨论】：

非常感谢！我将使用第二种解决方案，因为解开我拥有的大型数据帧需要太多内存。快速评论，你能解释一下“level=0”吗？数字 0 指的是什么？特别是因为我想用更多的索引来复制它。

零级是索引的第一级。如果按索引分组，即使只有一个级别，也必须指定级别。而且，这是告诉 groupby 我想按索引级别分组的唯一方法。

@piRSquared- 感谢您提供此信息，在使其正常工作时遇到了很多麻烦。对我来说（我认为）是 group_keys 修复了它。你能解释一下这是做什么的吗？没有这个，我有一列 NaN。再次感谢您！