如何基于team1与team2匹配列计算score1的最近3场滚动平均值？

给定如下DataFrame：

team1 team2 score1 score2
0       1     2      1      0
1       3     4      3      0
2       1     3      1      1
3       2     4      0      2
4       1     2      3      2

需要新增new列，返回当team1和team2完全匹配时，score1列最近3场比赛的滚动平均值（不足3场时按现有场次计算），预期输出如下：

team1 team2 score1 score2 new
0       1     2      1      0   1
1       3     4      3      0   3
2       1     3      1      1   1
3       2     4      0      2   0
4       1     2      3      2   2

此前尝试单独按team1分组计算可实现，但扩展到team1+team2分组时结果不符合预期，且希望避免使用apply()以保证性能。

解决方案 #

你之前的代码存在语法错误（缺少闭合括号），修正后即可得到正确结果。推荐两种高效写法：

写法1：使用transform+lambda #

df['new'] = df.groupby(['team1', 'team2'])['score1'].transform(lambda s: s.rolling(3, min_periods=1).mean())

写法2：链式调用（性能更优） #

df['new'] = df.groupby(['team1', 'team2'])['score1'].rolling(3, min_periods=1).mean().reset_index(level=[0,1], drop=True)

原理说明 #

• 按team1和team2的组合分组，每个组合视为独立的比赛序列
• 对每组内的score1按数据顺序计算滚动均值，min_periods=1确保分组内不足3场时仍能计算均值
• 两种写法均避免了apply()，性能更优，且完全匹配预期输出

内容的提问来源于stack exchange，提问作者MarcinKamil