如何为含小时值的Pandas DataFrame计算带日周期性的5小时滚动平均值？

针对这种24小时周期的滚动平均需求，核心思路是为每个ID的时间序列补充首尾的周期数据，让常规滚动窗口能覆盖跨0点/23点的情况，具体实现如下：

实现步骤 #

• 按ID分组，对每个分组单独处理：
  1. 提取分组末尾2小时（hour=22、23）和开头2小时（hour=0、1）的数据
  2. 将末尾2小时数据拼到原序列开头，开头2小时数据拼到原序列结尾，得到扩展后的序列
  3. 对扩展序列计算窗口为5、center=True的滚动平均值
  4. 截取扩展序列中间的24行，对应原有的0-23小时，即为每个ID的周期性滚动平均结果

代码示例 #

import numpy as np
import pandas as pd

# 构造原DataFrame（与题目代码一致）
ids = ['a', 'b', 'c']
hours = np.arange(24)
data = np.random.random((len(ids), len(hours)))
df = pd.concat([pd.DataFrame(index=[[id]*len(hours), hours], data={'value': data[ind]}) for ind, id in enumerate(ids)])
df.index.names = ['ID', 'hour']

# 定义处理单个ID分组的函数
def periodic_rolling_mean(group):
    # 提取首尾需要补充的周期数据
    tail_data = group.tail(2)
    head_data = group.head(2)
    # 拼接得到扩展序列
    extended_data = pd.concat([tail_data, group, head_data])
    # 计算滚动平均值
    extended_data['rolling_mean'] = extended_data['value'].rolling(5, center=True).mean()
    # 截取对应原24小时的结果
    return extended_data.iloc[2:-2].copy()

# 分组应用并合并结果
df_result = df.groupby('ID').apply(periodic_rolling_mean).reset_index(level=0, drop=True)

逻辑说明 #

扩展后的序列长度为28（24+4），使用rolling(5, center=True)时：

• 原序列的0点对应扩展序列的第2个位置，窗口包含扩展序列前5行（22、23、0、1、2点）
• 原序列的23点对应扩展序列的第25个位置，窗口包含扩展序列最后5行（21、22、23、0、1点）
  完美匹配周期性滚动平均的需求。

内容的提问来源于stack exchange，提问作者hm8