python 中两个数据框列中存在的值的移动平均值答案

【问题标题】：Moving average for value present in two dataframe columns in pythonpython 中两个数据框列中存在的值的移动平均值
【发布时间】：2022-11-17 00:37:20
【问题描述】：

自昨晚以来，我一直遇到以下问题，但在任何地方都找不到任何解决方案。

给定数据框df：

  team1 team2 score1 score2
0     A     B      1      0
1     C     A      3      2
2     B     A      2      3
3     A     C      2      1

我想传递一个计算函数移动平均线对于 team1 但同时考虑 team1 和 team2 列。

移动平均数 2 的输出为：

  team1 team2 score1 score2 mov_avg_a
0     A     B      1      2         1   # for A
1     C     A      3      2         3   # for C
2     B     A      2      3         2   # for B
3     A     C      2      1         2   # for A

我的想法是使用自定义函数调用.apply()：

步骤 1. 将 team1 和 team2 列混合到临时列 tempA 中，如果 A（例如）存在，则返回 score1 和 score2 值，如下所示：

  team1 team2 score1 score2 tempA
0     A     B      1      0     1
1     C     A      3      2     2
2     B     A      2      3     3
3     A     C      2      1     2

第 2 步。将 rolling(2) 应用于 tempA 以获得所需的输出，如上所示。

我试过创建这个过程，但失败了。

我知道在大型数据帧的情况下使用 apply() 会在计算上很昂贵，但我想不出这里的“单行”解决方案。

预先感谢您的见解。

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

你可以做wide_to_long然后pivot和rollingmean

s = (pd.wide_to_long(df.assign(key=df.index),['team','score'],i = 'key',j='m').
     reset_index().
     pivot('key','team','score').
     fillna(0).
     rolling(2,min_periods=1, axis=1).mean())
Out[32]: 
team    A    B    C
key                
0     1.0  0.5  0.0
1     2.0  1.0  1.5
2     3.0  2.5  1.0
3     2.0  1.0  0.5
df = df.join(s)

【讨论】：