如何为时间序列DataFrame按天计算Rolling Average并新增列

要实现按日期分组的滚动累积平均（即每天内从当日第一个数据点到当前点的均值），可以用Pandas的分组（groupby）结合扩展窗口（expanding）计算均值的方法，具体步骤如下：

1. 确保时间列是datetime类型
   如果你的timestamp列还不是datetime格式，先转换：

import pandas as pd

df['timestamp'] = pd.to_datetime(df['timestamp'])

2. 计算每日滚动累积平均
   通过按日期分组，对每组的val列计算扩展窗口均值，直接生成val_mean列：

df['val_mean'] = df.groupby(df['timestamp'].dt.date)['val'].expanding().mean().reset_index(level=0, drop=True)

或者用transform写法，效果完全一致：

df['val_mean'] = df.groupby(df['timestamp'].dt.date)['val'].transform(lambda x: x.expanding().mean())

代码说明 #

• df['timestamp'].dt.date：提取timestamp中的日期部分，用来按天分组
• expanding().mean()：对每个分组内的val列，计算从第一个元素到当前元素的累积均值（也就是你需要的当日滚动平均）
• reset_index(level=0, drop=True)：移除分组产生的日期索引，让结果和原DataFrame的索引匹配

这样处理后，就能得到你示例中的效果：每天的第一个数据点均值等于自身，后续每个点都是当日从开头到当前的平均，第二天重新开始计算。

内容的提问来源于stack exchange，提问作者prof31