如何在Pandas中按客户ID计算近30天DaysLate滚动均值

直接通过分组结合时间窗口滚动即可实现，步骤如下：

1. 先确保数据按客户ID和发票日期排序（时间窗口滚动依赖有序的时间序列）
2. 按客户分组后，应用30天时间窗口的滚动均值计算

完整代码：

# 按客户ID和发票日期排序，保证每个客户的记录时间有序
df = df.sort_values(['customerID', 'InvoiceDate'])

# 分组计算每个客户近30天的DaysLate滚动均值
df['CustomerDaysLate_30days'] = df.groupby('customerID').rolling(
    window='30d', 
    on='InvoiceDate',
    min_periods=1  # 可选参数：允许窗口最少1条记录就计算均值，避免NaN
)['DaysLate'].mean().reset_index(level=0, drop=True)

代码说明： #

• sort_values(['customerID', 'InvoiceDate'])：必须先排序，否则每个客户的时间窗口计算会混乱，Pandas的时间窗口滚动默认要求序列是时间有序的。
• groupby('customerID')：将数据按客户拆分，每个客户独立计算自己的滚动均值，不会和其他客户的记录混淆。
• rolling(window='30d', on='InvoiceDate')：指定滚动窗口为30天，基于InvoiceDate列的时间划定窗口范围，每个记录的窗口是该记录日期往前推30天内的所有同客户记录。
• reset_index(level=0, drop=True)：去掉分组产生的customerID索引层，让计算结果的索引和原DataFrame对齐，直接赋值到新列中。
• min_periods=1：可选设置，如果不需要允许单条记录计算均值，可以去掉这个参数，此时若客户在30天窗口内无记录，结果会是NaN。

内容的提问来源于stack exchange，提问作者Adam Grant