如何基于时间序列索引计算前5年同日期的滚动均值？

实现思路 #

核心逻辑是按「月-日」分组，在每个组内按年份顺序取前5个历史同日期数据（不含当前年份）计算均值，最终将结果作为新列添加到原数据中。

完整代码 #

首先生成测试数据：

import numpy as np
import pandas as pd
np.random.seed(1)

rows, cols = 4950, 5
data = np.random.rand(rows, cols) 
tidx = pd.date_range('2010-01-01', periods=rows, freq='D') 
df = pd.DataFrame(data, columns=['a','b','c','d','e'], index=tidx)

执行均值计算：

# 1. 添加月日分组标识，用于按相同月日聚合
df['month_day'] = df.index.strftime('%m-%d')

# 2. 定义计算函数：对分组内的序列，取前5期（不含当前行）的均值
def rolling_5y_mean(series):
    return series.rolling(window=5, closed='left').mean()

# 3. 按月日分组，计算各列的前5年同日期均值
avg_result = df.groupby('month_day')[['a', 'b', 'c', 'd', 'e']].apply(rolling_5y_mean)

# 4. 重命名均值列，匹配A_Avg这类格式
avg_result.columns = [col.upper() + '_Avg' for col in avg_result.columns]

# 5. 合并均值列到原数据，清理临时分组列
df = pd.concat([df, avg_result], axis=1)
df.drop('month_day', axis=1, inplace=True)

结果验证 #

以2015-01-01为例，验证计算结果准确性：

target_date = pd.Timestamp('2015-01-01')
# 手动提取2010-2014年1月1日的a列数据
prev_5y_data = df.loc[(df.index.year >= target_date.year -5) & (df.index.year < target_date.year) & 
                      (df.index.month == 1) & (df.index.day == 1), 'a']
manual_avg = prev_5y_data.mean()

print(f"手动计算均值：{manual_avg:.6f}")
print(f"代码计算均值：{df.loc[target_date, 'A_Avg']:.6f}")

关键说明 #

• rolling(window=5, closed='left')：窗口大小设为5且排除当前行，刚好匹配「前5年同日期」需求（比如2023年的日期，自动取2018-2022年的同日期数据）。
• 按「月-日」分组确保每个日期的均值计算仅针对相同月日的历史数据，避免跨日期混淆。

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