Pandas - 日期的移动平均值，每个日期有许多测量值

Question

我有一个包含日期和销售额的 DataFrame。我想计算过去 5 天的移动平均值并将其分配给每一天。问题是我每天都要进行多次测量（准确地说是 1115 - 对于单次测量，我知道该怎么做）。

我的数据如下所示：

    Date        Sales
0   2013-01-01  0
1   2013-01-01  0
2   2013-01-01  0
3   2013-01-01  0
4   2013-01-01  0
... ... ...
1017204 2015-07-31  9082
1017205 2015-07-31  10708
1017206 2015-07-31  7481
1017207 2015-07-31  10460
1017208 2015-07-31  5263

我想先计算过去 5 天的移动平均值（取过去 5 天所有 1115 * 5 = 5575 次测量的平均值），然后将其分配回每个单独的测量（每个测量都应分配此平均值）。我的数据将如下所示：

    Date        Sales       Last5DaysAvg
0   2013-01-01  0   NaN
1   2013-01-01  0   NaN
2   2013-01-01  0   NaN
3   2013-01-01  0   NaN
4   2013-01-01  0   NaN
... ... ...
5576    2013-01-06  (average from 2013-01-01 to 2013-01-06)
5577    2013-01-06  (average from 2013-01-01 to 2013-01-06)
5578    2013-01-06  (average from 2013-01-01 to 2013-01-06)
...
1017204 2015-07-31  9082    (average from 2015-07-26 to 2015-07-31)
1017205 2015-07-31  10708   (average from 2015-07-26 to 2015-07-31)
1017206 2015-07-31  7481    (average from 2015-07-26 to 2015-07-31)
1017207 2015-07-31  10460   (average from 2015-07-26 to 2015-07-31)
1017208 2015-07-31  5263    (average from 2015-07-26 to 2015-07-31)

我尝试使用 .count() 聚合作为初学者，因为它很容易验证 - 它应该在每行中返回 5575（除了前 5575 行，我当然会有 NaN）：

df = df.rolling("5D", on="Date").count()

但我明白了：

    Date        Sales
0   2013-01-01  1.0
1   2013-01-01  2.0
2   2013-01-01  3.0
3   2013-01-01  4.0
4   2013-01-01  5.0
... ... ...
1017204 2015-07-31  5571.0
1017205 2015-07-31  5572.0
1017206 2015-07-31  5573.0

所以看起来每天都是分开计算的，根本没有计算移动窗口。

问题：我怎样才能达到上述结果？

数据：（前 30000 行）https://pastebin.com/5bQ4Zt3f

编辑：我设法让这个工作，但以相当丑陋的方式，我认为有更漂亮和更有效的方式。此外，下面的代码还硬编码了每天的测量次数，这不能总是得到保证。

df = df.groupby([pd.Grouper(key="Date", freq="D")]) \
             .sum() \
             .reset_index() \
             .sort_values("Date")
df = df.rolling(5, on="Date").sum()
df["Sales"] = df["Sales"] / (1115 * 5)

Date    Sales
0   2013-01-01  NaN
1   2013-01-02  NaN
2   2013-01-03  NaN
3   2013-01-04  NaN
4   2013-01-05  4661.063857
... ... ...
937 2015-07-27  5435.554439
938 2015-07-28  5871.071031
939 2015-07-29  6211.633722
940 2015-07-30  6709.784036
941 2015-07-31  8471.914439

Answer 1

不清楚为什么每个日期都有多行。我看到了两种可能的解释：

• 您必须在星号处汇总这些值，然后生成单个滚动平均值：

df.groupBy('Date').sum().rolling(5).mean().reset_index()

• 或者这些是不同的产品 - 那么您仍然需要分组，但您可以计算每个产品的滚动平均值，而不是汇总：

df.groupby('Product')['Date'].rolling(5).mean().reset_index()