如何在Pandas中创建包含两日滚动平均值的透视表

首先要注意你的原始DataFrame里Ratings列存在字符串类型的"NaN"，这会导致后续均值计算出错，所以第一步需要先把这些值转换成真正的缺失值，并将列转为数值类型。接下来我们分步骤实现你的需求：

步骤1：数据预处理 #

import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame({
    "Date":["2021-01-01", "2021-01-01", "2021-01-01", "2021-01-02", "2021-01-02", "2021-01-02", "2021-01-02", "2021-01-03", "2021-01-03", "2021-01-03"],
    "Name":["Tim", "Tim", "Ben", "Leo", "Tim", "Ben", "Leo", "Leo", "Ben", "Tim"],
    "Ratings":[9.0, 8.0, 5.0, 3.0, "NaN", "NaN", 6, 5, 3, 5]
})

# 处理Ratings列：替换字符串"NaN"为真正的缺失值，并转为数值类型
df["Ratings"] = pd.to_numeric(df["Ratings"], errors="coerce")

步骤2：生成每日均值透视表 #

这一步和你之前的操作类似，得到每个日期、每个用户的当日平均评分：

daily_mean = df.pivot_table(
    values='Ratings',
    index='Date',
    columns='Name',
    aggfunc='mean'
)

此时daily_mean的结果是：

步骤3：计算两日滚动平均值 #

对透视表的每一列应用窗口大小为2的滚动平均，设置min_periods=1确保第一天没有前序数据时保留原值：

rolling_2d_mean = daily_mean.rolling(window=2, min_periods=1).mean()

步骤4：调整结果格式（匹配你的期望输出） #

我们可以填充缺失值为"NaN"，并调整小数位数：

# 调整小数位数，同时将NaN转为字符串"NaN"
result = rolling_2d_mean.round(2).replace({np.nan: "NaN"}).reset_index()

最终result的输出如下：

补充说明 #

• 你期望的Leo第三日值是4.66，实际计算应为(4.5+5)/2=4.75，可能是你期望中的笔误；Ben第二日的均值是(5+NaN)/2=NaN，和你期望的5略有不同，因为原始数据中Ben在2021-01-02没有有效评分，所以两日滚动平均会是缺失值。
• 如果需要将缺失值填充为0（像你之前代码里的fill_value=0），可以在pivot_table时加上，但这样会影响滚动平均的结果，比如Ben第二日的均值会变成(5+0)/2=2.5，需要根据你的实际需求选择。

内容的提问来源于stack exchange，提问作者fjurt