Google Data Studio：如何按产品计算每日过去7天平均销售额？

完全可以实现，下面针对不同常用工具给出具体实现方法：

1. 数据库SQL实现 #

如果数据存储在数据库中，利用窗口函数可以高效完成计算。假设你的表名为sales_data，字段分别为date（日期）、product（产品）、sales（销售额），执行以下SQL语句：

SELECT 
    date,
    product,
    sales,
    -- 按产品分组，取当前日期之前7天的销售额平均值
    AVG(sales) OVER (
        PARTITION BY product 
        ORDER BY date 
        ROWS BETWEEN 7 PRECEDING AND 1 PRECEDING
    ) AS past_7d_avg_sales
FROM sales_data;

说明：

• PARTITION BY product：确保只计算同一产品的历史数据
• ORDER BY date：按日期顺序处理数据
• ROWS BETWEEN 7 PRECEDING AND 1 PRECEDING：限定计算范围为当前行的前7行到前1行（即过去7天，不含当天）
  如果存在日期缺失的情况，需要先补全每个产品的每日数据，再执行上述计算。

2. Excel实现 #

假设数据在A列（日期）、B列（产品）、C列（销售额），在D2单元格输入以下公式后下拉填充：

=AVERAGEIFS($C:$C, $B:$B, B2, $A:$A, ">="&A2-7, $A:$A, "<"&A2)

说明：

• AVERAGEIFS用于多条件求平均，依次匹配：销售额列、当前行对应产品、日期在当前日期前7天范围内（不含当天）
• 确保A列日期为Excel可识别的日期格式，否则需要先转换格式。

3. Python Pandas实现 #

用Pandas处理时，先将数据转为DataFrame，再按产品分组计算滚动平均：

import pandas as pd

# 读取数据（假设数据来自CSV文件，可根据实际调整）
df = pd.read_csv('sales_data.csv')
# 将日期列转为datetime类型，适配示例中的dd/mm格式
df['日期'] = pd.to_datetime(df['日期'], format='%d/%m')

# 按产品分组，计算过去7天（不含当天）的平均销售额
df['过去7天平均销售额'] = df.groupby('产品')['销售额'].transform(
    lambda x: x.shift(1).rolling(window=7, min_periods=1).mean()
)

说明：

• shift(1)：将销售额数据下移一行，避免包含当天数据
• rolling(window=7)：设置7天的滚动窗口
• min_periods=1：保证即使不足7天（如产品的前几条数据）也能计算平均

内容的提问来源于stack exchange，提问作者Tal Orbach