带有时间 groupby 的 pandas 滚动功能

Question

这是我的问题。 我所拥有的是一个 DataFrame，如下所示：

df:

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

我想要的是这样的 DataFrame：

rolling_mean(df, window='1M')：

2013-10      1.5
2013-11      3.5
2013-12      5.5 

rolling_mean(df, window='2M')：

2013-10      NAN
2013-11      2.5
2013-12      4.5 

rolling_mean(df, window='3M')：

2013-10      NAN
2013-11      NAN
2013-12      3.5 

rolling_mean(df, window='1Y')：

2013-10      NAN
2013-11      NAN
2013-12      NAN

其中 1M 是“1 个月”，2M 是“2 个月”。窗口不是一个int值，而是一个时间间隔，如'1D'、'3M'、'1Y'等。该函数可以将数据帧按'D'、'M'、'Y'等时间单位分组，然后将数据帧滚动到时间单位之前的数字如1、3...

我需要这样的滚动功能吗？ 有人可以帮助我吗？我描述清楚了吗？ 非常感谢。

更新：

我还有一个谜。 我需要实现这样一个函数，它可以计算每天的滚动标准偏差，而不是按月重新采样，而是按月加权窗口步长单位。

在这种情况下， 我所拥有的也是 df：

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

pd.rolling_std(df.resample('1M'),window=1)：

结果是

2013-10    NAN
2013-11    NAN 
2013-12    NAN

我真正是这样的数据框（window = 1）：

2013-10    0.5
2013-11    0.5 
2013-12    0.5

第一个 0.5 是标准偏差，可以通过 np.sqrt([1,2]) 从 10 月开始计算。 其他 0.5 也来自 [3,4] 和 [5,6]。 但是，无论怎么='xxx'方法在resample函数中，结果都不对。 2个月的客观结果是，

df (window = 2 ):

2013-10    NAN
2013-11    1.1180 
2013-12    1.1180

第一个 1.1180 是标准差，可以通过 np.sqrt([1,2,3,4]) 从 10 月和 11 月计算。 2013-12 的 1.1180 来自 2013-11 和 2013-12 的 [3,4,5,6]。

附言 标准偏差是我想要实现滚动的功能之一...... 谢谢~

Answer 1

您可以在日期列上使用to_datetime 来生成日期时间索引。

df = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6]},
                  index=['2013-10-24', '2013-10-25', '2013-11-27', 
                         '2013-11-28', '2013-12-01', '2013-12-02'])           
df.index = pd.to_datetime(df.index)

>>> pd.rolling_mean(df.resample('1M'), 1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    3.5
2013-12-31    5.5

>>> pd.rolling_mean(df.resample('2M'), window=1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    NaN
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=2, freq='1M')
            value
2013-10-31    NaN
2013-11-30    2.5
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=3, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    3.5

>>> pd.rolling_mean(df.resample('1M'), window=12, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    NaN