如何在Pandas中仅针对特定日期计算滚动平均值

现有按Store分组计算Sales的7天、14天滚动平均值（取当前日期之前的历史数据，结果偏移至当前日期）的全量计算代码，但因数据量庞大，希望仅针对特定日期（如2022-12-31）单独计算，避免每次新增日期都全量重算。

优化思路 #

无需对所有日期执行滚动计算，只需针对目标日期，为每个Store提取目标日期前N天到前1天的历史数据窗口（N为7或14），直接计算该窗口的均值即可，大幅降低计算资源消耗。

代码实现 #

基础版本

import numpy as np
import pandas as pd

# 生成示例数据
ex = pd.DataFrame({
    'Date': pd.date_range('2022-10-01', '2022-12-31'), 
    'Store': np.random.choice(2, len(pd.date_range('2022-10-01', '2022-12-31'))),
    'Sales': np.random.choice(10000, len(pd.date_range('2022-10-01', '2022-12-31')))
})

# 按Store、日期升序排序，便于区间筛选
ex.sort_values(['Store', 'Date'], ascending=True, inplace=True)
ex.reset_index(drop=True, inplace=True)

# 定义目标日期
target_date = pd.to_datetime('2022-12-31')

# 初始化结果容器
result = {
    'Date': [target_date] * ex['Store'].nunique(),
    'Store': ex['Store'].unique()
}

# 计算7天、14天滚动均值
for days in [7, 14]:
    store_means = []
    for store in ex['Store'].unique():
        # 筛选目标日期前days天至前1天的数据
        window_mask = (ex['Store'] == store) & \
                      (ex['Date'] >= target_date - pd.Timedelta(days=days)) & \
                      (ex['Date'] <= target_date - pd.Timedelta(days=1))
        window_sales = ex.loc[window_mask, 'Sales']
        # 数据量足够时计算均值，否则返回NaN
        store_means.append(window_sales.mean() if len(window_sales) == days else np.nan)
    result[f'Sales_mean_{days}_days'] = store_means

# 转换为结果DataFrame
target_result = pd.DataFrame(result)
print(target_result)

简洁版（用groupby简化）

# 定义计算单个Store目标均值的函数
def get_target_window_mean(group, target_date, days):
    window_start = target_date - pd.Timedelta(days=days)
    window_end = target_date - pd.Timedelta(days=1)
    window_data = group[(group['Date'] >= window_start) & (group['Date'] <= window_end)]['Sales']
    return window_data.mean() if len(window_data) == days else np.nan

# 分组计算目标日期的滚动均值
target_result = ex.groupby('Store').apply(
    lambda g: pd.Series({
        'Date': target_date,
        'Sales_mean_7_days': get_target_window_mean(g, target_date, 7),
        'Sales_mean_14_days': get_target_window_mean(g, target_date, 14)
    })
).reset_index()

说明 #

• 若需处理多个目标日期，只需将目标日期放入列表循环执行即可
• 若要将结果合并回原DataFrame，可使用pd.merge(ex, target_result, on=['Store', 'Date'], how='left')实现
• 代码中判断窗口数据量是否等于N，可根据实际需求调整（比如允许少于N天的数据计算均值）

内容的提问来源于stack exchange，提问作者RodiX