如何使用Pandas的groupby计算滚动求和？以NBA球队胜场为例

不需要用循环，结合groupby和rolling就能高效实现，而且能自动处理多球队的情况，比循环性能好很多。

步骤1：准备示例数据 #

import pandas as pd

df = pd.DataFrame({
    'Team': ['Hawks', 'Hawks', 'Hawks', 'Hawks', 'Hawks'],
    'Season': [1970, 1971, 1972, 1973, 1974],
    'Wins': [40, 34, 30, 46, 42]
})

步骤2：计算滚动胜场和 #

通过groupby('Team')确保每个球队的计算独立，再用rolling(2).sum()计算连续两个赛季的胜场总和：

# 按球队分组计算滚动2赛季胜场和，重置索引避免多级索引问题
df['Two_Season_Wins'] = df.groupby('Team')['Wins'].rolling(2).sum().reset_index(drop=True)

步骤3：生成两年周期标签 #

为了明确对应时段，把当前赛季和下一个赛季拼接成周期标签：

df['Season_Period'] = df['Season'].astype(str) + '-' + df['Season'].shift(-1).astype(str)

步骤4：整理结果 #

过滤掉最后一行（没有下一个赛季配对的无效数据），并保留需要的列：

result = df.dropna(subset=['Season_Period'])[['Team', 'Season_Period', 'Two_Season_Wins']]

最终结果 #

运行后result的输出如下：

这种方法完全避免了循环，利用Pandas的向量化操作，数据量越大优势越明显，同时groupby保证了多球队场景下每个球队的滚动计算不会互相干扰。

内容的提问来源于stack exchange，提问作者Evan