如何用Pandas按球员计算NFL数据中Points列的3周滚动平均值
2026-8-2
解决按球员分组计算3周滚动平均的问题
你的代码问题出在reset_index(drop=True)上：这个操作会完全丢弃分组后的层级索引，导致滚动平均结果的索引和原DataFrame的索引不匹配，最终赋值时数据错位，看起来像是全局而非分组计算的结果。
正确步骤：
- 先排序数据：确保每个球员的记录按周数升序排列，这是滚动计算的前提（否则会出现时间顺序混乱的错误）。
- 分组计算滚动平均：保留原行索引，只丢弃分组的层级索引，确保结果能正确对应到原数据的每一行。
- 填充前两周的NaN值：因为3周滚动平均在球员的前两周会返回NaN，我们用当周的
Points值填充这些位置，满足“前两周返回当周数值，第三周及以后返回最近3周平均”的需求。
完整代码：
# 按球员和周数排序，保证滚动计算的时间顺序正确 qbPast = qbPast.sort_values(['Player', 'Week']) # 分组计算3周滚动平均，min_periods=3表示仅当有3个及以上数据时计算平均，否则返回NaN qbPast['Rolling_3wk'] = qbPast.groupby('Player')['Points'].rolling(window=3, min_periods=3).mean().reset_index(level=0, drop=True) # 用当周Points填充前两周的NaN，得到最终的平均值列 qbPast['Avg'] = qbPast['Rolling_3wk'].fillna(qbPast['Points']) # 可选：删除中间辅助列 qbPast = qbPast.drop('Rolling_3wk', axis=1)
验证逻辑：
以你举例的球员A得分序列[20, 30, 40, 30, 40]为例：
- 周1：
Rolling_3wk为NaN，填充后Avg=20 - 周2：
Rolling_3wk为NaN，填充后Avg=30 - 周3：
(20+30+40)/3=30，Avg=30 - 周4：
(30+40+30)/3≈33.3，Avg≈33.3 - 周5：
(40+30+40)/3≈36.7，Avg≈36.7
完全符合你的需求。
内容的提问来源于stack exchange，提问作者Mike Hunt
相关产品推荐
相关产品推荐
