如何反转滚动和？答案

【问题标题】：How to Reverse Rolling Sum?如何反转滚动和？
【发布时间】：2022-03-03 01:24:09
【问题描述】：

我有一个在分组数据框上计算的滚动总和，但它以错误的方式相加，它是未来的总和，而我需要过去的总和。

我在这里做错了什么？

我导入数据并按维度和日期排序（我已经尝试删除日期排序）

df = pd.read_csv('Input.csv', parse_dates=True)
df.sort_values(['Dimension','Date'])
print(df)

然后我创建一个新列，它是一个按滚动窗口分组的多索引

new_column = df.groupby('Dimension').Value1.apply(lambda x: 
x.rolling(window=3).sum())

然后我将索引重置为与原始索引相同

df['Sum_Value1'] = new_column.reset_index(level=0, drop=True)
print(df)

我也尝试在计算前反转索引，但也失败了。

输入

Dimension,Date,Value1,Value2
1,4/30/2002,10,20
1,1/31/2002,10,20
1,10/31/2001,10,20
1,7/31/2001,10,20
1,4/30/2001,10,20
1,1/31/2001,10,20
1,10/31/2000,10,20
2,4/30/2002,10,20
2,1/31/2002,10,20
2,10/31/2001,10,20
2,7/31/2001,10,20
2,4/30/2001,10,20
2,1/31/2001,10,20
2,10/31/2000,10,20
3,4/30/2002,10,20
3,1/31/2002,10,20
3,10/31/2001,10,20
3,7/31/2001,10,20
3,1/31/2001,10,20
3,10/31/2000,10,20

输出：

    Dimension        Date  Value1  Value2  Sum_Value1
0           1   4/30/2002      10      20         NaN
1           1   1/31/2002      10      20         NaN
2           1  10/31/2001      10      20        30.0
3           1   7/31/2001      10      20        30.0
4           1   4/30/2001      10      20        30.0
5           1   1/31/2001      10      20        30.0
6           1  10/31/2000      10      20        30.0
7           2   4/30/2002      10      20         NaN
8           2   1/31/2002      10      20         NaN
9           2  10/31/2001      10      20        30.0
10          2   7/31/2001      10      20        30.0
11          2   4/30/2001      10      20        30.0
12          2   1/31/2001      10      20        30.0
13          2  10/31/2000      10      20        30.0

目标输出：

    Dimension        Date  Value1  Value2  Sum_Value1
0           1   4/30/2002      10      20        30.0
1           1   1/31/2002      10      20        30.0
2           1  10/31/2001      10      20        30.0
3           1   7/31/2001      10      20        30.0
4           1   4/30/2001      10      20        30.0
5           1   1/31/2001      10      20         NaN
6           1  10/31/2000      10      20         NaN
7           2   4/30/2002      10      20        30.0
8           2   1/31/2002      10      20        30.0
9           2  10/31/2001      10      20        30.0
10          2   7/31/2001      10      20        30.0
11          2   4/30/2001      10      20        30.0
12          2   1/31/2001      10      20         Nan
13          2  10/31/2000      10      20         NaN

【问题讨论】：

标签： python pandas

【解决方案1】：

您需要一个反向总和，因此在总和滚动之前反转您的系列：

lambda x: x[::-1].rolling(window=3).sum()

【讨论】：

【解决方案2】：

您可以将结果移动window-1 以获得左对齐的结果：

df["sum_value1"] = (df.groupby('Dimension').Value1
                      .apply(lambda x: x.rolling(window=3).sum().shift(-2)))

【讨论】：

我认为您被 OP 示例中的常量值误导了，但需要进行反向求和
@Boud 我确实忽略了那部分。但我认为这仍然巧合地给出了正确的结果:)。实际上，如果数据按日期排序，这里的过去或未来就是您放置总和结果的地方。或者，也许 OP 最初只需要按日期升序对数据帧进行排序。
Sneaky @Boud 作弊并阅读了 OP 帖子 /shakes_head 中的“文字”

【解决方案3】：

向后滚动与向前滚动然后移动结果相同：

x.rolling(window=3).sum().shift(-2)

【讨论】：

您需要像 Psidom 的回答那样使用apply，否则它会跨组转移。

【解决方案4】：

def reverse_rolling(series, window, func):
    index = series.index
    series = pd.DataFrame(series.iloc[::-1])
    series = series.rolling(window, 1).apply(func)
    series = series.iloc[::-1]

    series['index'] = index
    series = series.set_index('index')
    return series[0]

【讨论】：

【解决方案5】：

你可以使用

import pandas as pd

from pandas.api.indexers import FixedForwardWindowIndexer

df = pd.read_csv(r'C:\Users\xxxx\python\data.txt')

indexer = FixedForwardWindowIndexer(window_size=3)

df1 = df.join(df.groupby('Dimension')['Value1'].rolling(indexer, min_periods=3).sum().to_frame().reset_index(), rsuffix='_sum')

del df1['Dimension_sum']
del df1['level_1']

df1

输入：

    Dimension        Date  Value1  Value2
0           1   4/30/2002      10      20
1           1   1/31/2002      10      20
2           1  10/31/2001      10      20
3           1   7/31/2001      10      20
4           1   4/30/2001      10      20
5           1   1/31/2001      10      20
6           1  10/31/2000      10      20
7           2   4/30/2002      10      20
8           2   1/31/2002      10      20
9           2  10/31/2001      10      20
10          2   7/31/2001      10      20
11          2   4/30/2001      10      20
12          2   1/31/2001      10      20
13          2  10/31/2000      10      20
14          3   4/30/2002      10      20
15          3   1/31/2002      10      20
16          3  10/31/2001      10      20
17          3   7/31/2001      10      20
18          3   1/31/2001      10      20
19          3  10/31/2000      10      20

输出：

    Dimension        Date  Value1  Value2  Value1_sum
0           1   4/30/2002      10      20        30.0
1           1   1/31/2002      10      20        30.0
2           1  10/31/2001      10      20        30.0
3           1   7/31/2001      10      20        30.0
4           1   4/30/2001      10      20        30.0
5           1   1/31/2001      10      20         NaN
6           1  10/31/2000      10      20         NaN
7           2   4/30/2002      10      20        30.0
8           2   1/31/2002      10      20        30.0
9           2  10/31/2001      10      20        30.0
10          2   7/31/2001      10      20        30.0
11          2   4/30/2001      10      20        30.0
12          2   1/31/2001      10      20         NaN
13          2  10/31/2000      10      20         NaN
14          3   4/30/2002      10      20        30.0
15          3   1/31/2002      10      20        30.0
16          3  10/31/2001      10      20        30.0
17          3   7/31/2001      10      20        30.0
18          3   1/31/2001      10      20         NaN
19          3  10/31/2000      10      20         NaN

【讨论】：