如何在Azure Data Factory中按动态条件计算平均值生成新列？

一、Azure Data Flows 窗口转换的正确实现 #

你之前用窗口转换的思路是对的，只是没搞懂动态引用当前行的语法。按以下步骤操作就能实现需求：

• 添加窗口转换，在「分组依据」里选中season和team_name（这两个字段用来匹配当前行的赛季和球队）
• 在「排序依据」里选week，设置为升序
• 在「窗口列」新增一列（比如命名为avg_points_before），输入以下表达式：

  avg(over(
      partitionBy(season, team_name),
      orderBy(week asc),
      rangeBetween(unboundedPreceding(), currentRow() - 1)
  ), points)
  

  这个表达式会自动按当前行的赛季、球队分组，只计算当前周之前所有比赛的得分平均值，完全对应你Google Sheets里的公式逻辑。

二、Power Query（M语言）实现方案 #

如果想用Power Query，不用纠结复杂的M语法，按以下步骤操作：

1. 把NFL数据导入Power Query，确保season、team_name、week、points的字段类型正确
2. 按season和team_name分组，操作选择「所有行」，得到包含分组表的新列
3. 对分组后的「所有行」列添加自定义列，粘贴以下M代码：

   Table.AddColumn([所有行], "avg_points_before", (row) =>
       let
           filtered = Table.SelectRows([所有行], each [week] < row[week]),
           avgScore = if Table.RowCount(filtered) > 0 then List.Average(filtered[points]) else null
       in
           avgScore
   )
   

4. 展开自定义列，就能得到每行对应的场均得分

三、新手友好的替代平台建议 #

如果觉得Azure的工具上手麻烦，推荐两个低成本、易操作的选项：

• BigQuery：用SQL就能搞定，语法简单直观，免费额度足够处理10年NFL数据。SQL示例：

  SELECT
      *,
      AVG(points) OVER (
          PARTITION BY season, team_name
          ORDER BY week
          ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING
      ) AS avg_points_before
  FROM nfl_game_stats
  

  写完SQL直接保存成视图，后续可以直接对接ML模型。
• Pandas+云函数：如果会点Python，用Pandas处理更灵活，配合AWS Lambda或Google Cloud Functions定时运行，成本极低。代码示例：

  import pandas as pd
  
  df = pd.read_csv("nfl_data.csv")
  # 按赛季、球队分组，按周排序
  df = df.sort_values(["season", "team_name", "week"])
  # 计算当前行之前的场均得分
  df["avg_points_before"] = df.groupby(["season", "team_name"])["points"].transform(
      lambda x: x.expanding().mean().shift(1)
  )
  

  处理完直接导出到ML平台（比如Google AI Platform或AWS SageMaker）即可。

内容的提问来源于stack exchange，提问作者JD Dayhuff