按月份分组计算最高温滚动平均值遇报错，求代码修改方案

我用Jupyter、Pandas和Scikit-learn做Python项目的数据预处理，想新增一列monthly_avg，存储每日所在月份的最高温滚动平均值（基于此前所有行计算）。执行以下代码时：

# Group by month in the temperature max column and use the previous rows to calculate the means
core_weather["monthly_avg"] = core_weather["temp_max"].groupby(core_weather.index.month).apply(lambda x: x.expanding(1).mean())

出现两个错误：

ValueError: cannot include dtype 'M' in a buffer
TypeError: incompatible index of inserted column with frame index

尝试用core_weather.index = pd.to_datetime(core_weather.index)转换索引类型时，又出现"Only leading negatives allowed"错误。

数据表样本如下：

DATE       precip   snow    snow_depth  temp_max    temp_min    target  month_max                           
1969-06-01  0.00    0.0 0.0 90  72  85.0    NaN

1969-06-02  0.18    0.0 0.0 85  62  80.0    NaN

1969-06-03  0.06    0.0 0.0 80  60  66.0    NaN

1969-06-04  1.27    0.0 0.0 66  60  78.0    NaN

1969-06-05  0.00    0.0 0.0 78  56  86.0    NaN
... ... ... ... ... ... ... ...

2023-09-15  0.02    0.0 0.0 91  71  92.0    100.600000

2023-09-16  0.04    0.0 0.0 92  73  95.0    100.166667

2023-09-17  0.00    0.0 0.0 95  73  94.0    99.900000

2023-09-18  0.00    0.0 0.0 94  69  93.0    99.600000

2023-09-19  0.00    0.0 0.0 93  68  93.0    99.100000

1. 修复索引转换问题 #

从数据样本看，DATE是普通列而非索引，直接转换索引会报错。先将DATE列设为索引，再转换为datetime类型：

# 将DATE列设为索引并转换为datetime格式
core_weather = core_weather.set_index('DATE')
core_weather.index = pd.to_datetime(core_weather.index)

如果仍报"Only leading negatives allowed"，检查DATE列是否存在格式错误的行（比如非日期格式、负数年份等），清理异常数据后再执行转换。

2. 正确计算月度滚动平均值 #

原代码用apply会导致索引不匹配，改用groupby+transform可以自动对齐原DataFrame的索引：

# 按月份分组，计算组内从第一行到当前行的滚动平均值
core_weather['monthly_avg'] = core_weather.groupby(core_weather.index.month)['temp_max'].transform(lambda x: x.expanding(1).mean())

关键说明： #

• groupby(core_weather.index.month)：按日期索引的月份（1-12）分组
• transform：将分组计算的结果映射回原DataFrame，自动保持索引一致性，避免索引不匹配错误
• expanding(1).mean()：计算每个组内从第一行到当前行的累积平均值，即题目要求的"基于此前所有行的滚动均值"

3. 验证结果 #

执行后可查看前几行数据确认计算是否正确：

print(core_weather[['temp_max', 'monthly_avg']].head())

比如6月1日的monthly_avg应等于当天的temp_max（90），6月2日为(90+85)/2=87.5，以此类推。

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