如何将含窗口函数的SQL代码转换为Python Pandas脚本？

你要实现的SQL逻辑是按category1和category2分组，按year、month排序后，计算当前行及前7行的sales总和，用Pandas可以这么做：

步骤拆解 #

• SQL里的partition by category1, category2对应Pandas的groupby(["category1", "category2"])
• order by year, month需要先对数据按分组键+排序键排序，保证滚动窗口的计算顺序正确
• rows between 7 preceding and current row是滚动窗口，窗口范围包含当前行及往前7行（共8行），对应Pandas的rolling(window=8)

完整代码示例 #

import pandas as pd

# 加载数据，替换成你的实际数据加载方式（比如读CSV、数据库等）
df = pd.read_csv("your_data_source.csv")

# 1. 先按分组列+排序列排序，确保窗口计算顺序符合SQL逻辑
df_sorted = df.sort_values(by=["category1", "category2", "year", "month"])

# 2. 分组后应用滚动求和，生成目标列
df_sorted["new_col"] = df_sorted.groupby(["category1", "category2"])["sales"]\
                                .rolling(window=8, closed="right")\
                                .sum()\
                                .reset_index(drop=True)

# 最终df_sorted中的new_col就是SQL语句里的new_col

注意事项 #

• closed="right"表示窗口包含当前行，和SQL中current row的逻辑对齐，显式指定更稳妥
• 如果分组内的行数不足8行（比如前7条数据），滚动求和会返回NaN，这和SQL的行为一致（仅计算现有行的总和）
• 排序是必须步骤！如果跳过排序，分组后的滚动窗口会按原数据顺序计算，结果不符合预期

内容的提问来源于stack exchange，提问作者Raven Smith