使用 GroupBy 和 Sort 的 Pandas 滚动平均值答案

【问题标题】：Pandas Rolling mean with GroupBy and Sort使用 GroupBy 和 Sort 的 Pandas 滚动平均值
【发布时间】：2019-09-17 15:40:02
【问题描述】：

我有一个如下所示的 DataFrame：

f_period f_year f_month subject month year value
20140102 2014   1      a        1     2018 10
20140109 2014   1      a        1     2018 12
20140116 2014   1      a        1     2018 8
20140202 2014   2      a        1     2018 20
20140209 2014   2      a        1     2018 15
20140102 2014   1      b        1     2018 10
20140109 2014   1      b        1     2018 12
20140116 2014   1      b        1     2018 8
20140202 2014   2      b        1     2018 20
20140209 2014   2      b        1     2018 15

f_period 是对 SKU（subject 列）进行预测的日期。 month 和 year 列是进行预测的时期。例如，第一行表示在 01/02/2018 上，模型预测在月份 1 的年份 2018 中设置 10 产品单位 a。

我正在尝试通过subject、month 为 2 f_months 创建滚动平均预测。 DataFrame 应如下所示：

f_period f_year f_month subject month year value mnthly_avg rolling_2_avg
20140102 2014   1      a        1     2018 10    10         13
20140109 2014   1      a        1     2018 12    10         13
20140116 2014   1      a        1     2018 8     10         13
20140202 2014   2      a        1     2018 20    17.5       null
20140209 2014   2      a        1     2018 15    17.5       null
20140102 2014   1      b        1     2018 10    10         13
20140109 2014   1      b        1     2018 12    10         13
20140116 2014   1      b        1     2018 8     10         13
20140202 2014   2      b        1     2018 20    17.5       null
20140209 2014   2      b        1     2018 15    17.5       null

我尝试过的事情：

我能够通过以下方式获得mnthly_avg：

data_df['monthly_avg'] = data_df.groupby(['f_month', 'f_year', 'year', 'month', 'period', 'subject']).\
        value.transform('mean')

我尝试获取rolling_2_avg：

rolling_monthly_df = data_df[['f_year', 'f_month', 'subject', 'month', 'year', 'value', 'f_period']].\
            groupby(['f_year', 'f_month', 'subject', 'month', 'year']).value.mean().reset_index()

rolling_monthly_df['rolling_2_avg'] = rolling_monthly_df.groupby(['subject', 'month']).\
            value.rolling(2).mean().reset_index(drop=True)

这给了我一个意想不到的输出。我不明白它是如何计算 rolling_2_avg 的值的

如何按subject 和month 分组，然后按f_month 排序，然后取接下来两个月的平均值？

【问题讨论】：

标签： python pandas group-by

【解决方案1】：

除非我有误解，否则它似乎比你所做的更简单。这个呢？

grp = pd.DataFrame(df.groupby(['subject', 'month', 'f_month'])['value'].sum())
grp['rolling'] = grp.rolling(window=2).mean()
grp

输出：

                          value rolling
subject     month   f_month         
a              1    1       30  NaN
               2            35  32.5
b              1    1       30  32.5
               2            35  32.5

【讨论】：

我刚刚切换了f_month 和month。那成功了。你说的对！我把它弄复杂了。
我要补充一点，您实际上还应该在分组之前按日期排序以避免出现问题：df.sort_values(by='f_period').groupby(['subject', 'month', 'f_month'])['value'].sum().to_frame()。另外，to_frame() 是从系列转换为数据框的更简单方法

【解决方案2】：

我会小心 Josh 的解决方案。如果您想按主题分组，则不能使用这样的滚动功能，因为它会跨主题滚动（即，它最终会从主题 A 和 B 中取一个月的平均值，而不是给出您可能更喜欢的 null )。

另一种方法是拆分数据帧并单独运行滚动（我注意到您希望在数据帧末尾使用空值，而您可能希望在前后对数据帧进行排序）：

for unique_subject in df['subject'].unique():
    df_subject = df[df['subject'] == unique_subject]
    df_subject['rolling'] = df_subject['value'].rolling(window=2).mean()
    print(df_subject) # just to print, you may wanna concatenate these

【讨论】：