新的滚动平均值列，按一列分组并找到另一列的滚动平均值

Posted 2023-03-24

【中文标题】新的滚动平均值列，按一列分组并找到另一列的滚动平均值

【英文标题】：New rolling mean column which group by one column and find rolling mean of another column

【发布时间】：2021-08-07 14:46:01

【问题描述】：

我有一个数据框 df

Date	Orders	Group
1/1/2021 00:00:00	20	A
1/1/2021 00:12:00	100	B
2/1/2021 00:00:00	24	A
2/1/2021 00:13:00	96	B
-----	---	--
14/1/2021	34	A
14/1/2021	103	B

我想要一个新列“滚动平均值”，以这种方式获取 2 周的订单平均值

Date	Orders	Group	Rolling Mean
1/1/2021 00:00:00	20	A	NA or 0
1/1/2021 00:12:00	100	B	NA or 0
2/1/2021 00:00:00	24	A	NA or 0
2/1/2021 00:13:00	96	B	Na or 0
-----	---	--
14/1/2021 00:00:00	34	A	29
14/1/2021 00:00:00	103	B	101

【参考方案1】：

这对我有用：

df['Rolling Mean'] = df['Orders'].rolling(window=pd.Timedelta(days=14)).mean()

请注意，pd.rolling() 方法中的 min_periods 参数采用整数并且不容易处理时间序列，因此您需要使用 np.nan 覆盖新滚动平均值列的前 14 天第二步，如果你不希望那里有任何值，直到有至少 14 天的平均时间。这可以通过以下方式实现：

# find integer number of time periods in first 14 days.
delay = len(df.loc[:(df.index[0]+pd.Timedelta(days=14))])

# set all means to `NaN` in those time steps.
df.iloc[:delay] = np.nan

此答案假定日期列是您的索引列，并且您已将 numpy 安装为 np，因此您可以调用 np.nan。祝你好运！

【讨论】：

@datalearner 这个答案对你有用吗？通过接受或提出问题让社区知道，祝你好运！