如何用Pandas的groupby与rolling计算不同时段DataFrame列的最值

需求说明 #

针对DataFrame的某一列，计算第1-30天、30-60天、60-90天三个时段的最大值和最小值，要求结合rolling和groupby实现。

步骤实现 #

1. 构造示例数据

先创建一个包含90天时间序列的示例DataFrame，模拟真实场景：

import pandas as pd
import numpy as np

# 生成连续90天的日期序列
dates = pd.date_range(start='2023-01-01', periods=90)
df = pd.DataFrame({'date': dates, 'value': np.random.randn(90)*10 + 50})

2. 预处理：日期索引与分组标签

将日期设为索引，并生成30天周期的分组标签，把时间序列划分为3个目标时段：

# 将日期列设为索引，方便时间相关操作
df = df.set_index('date')

# 计算每个日期与起始日的天数差，按30天为周期生成分组标签
# 标签0=1-30天，1=30-60天，2=60-90天
df['window_group'] = (df.index - df.index[0]).days // 30

3. 结合Rolling与Groupby计算最值

对每个30天分组，用rolling窗口覆盖整个组的数据集，再计算最值：

# 按分组标签聚合，对每个组的value列应用rolling窗口（窗口大小为组内数据长度）
# 聚合max和min后，去重保留每个组的最终结果
result = df.groupby('window_group')['value'].rolling(
    window=lambda x: len(x)  # 窗口大小等于当前组的行数（即30天的数据量）
).agg(['max', 'min']).reset_index()

# 清理结果：每个分组只保留最后一行（即整个时段的最值）
result = result.drop_duplicates('window_group', keep='last').set_index('window_group')

4. 最终结果示例

输出的result格式如下，对应三个时段的最值：

max        min
window_group                 
0          68.2345  32.1098
1          65.7890  35.4321
2          70.1234  30.9876

关键说明 #

• 为什么不用iloc/loc？手动切片（如df.iloc[0:30]）仅适用于连续无缺失的日期序列，若数据存在日期缺失或时段长度不固定，这种方法会失效。而rolling+groupby的方式可以自适应处理时间分组，鲁棒性更强。
• rolling(window=lambda x: len(x))的作用：让每个分组的滚动窗口刚好覆盖该组的所有数据，确保计算的是整个时段的最值，而非滑动窗口的局部值。
• 若数据存在缺失日期，可调整rolling的min_periods参数（如min_periods=20），允许窗口内最少包含20个数据点再计算最值。

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