使用Python Pandas按地点ID分组实现7天窗口滚动计数问题

我懂你现在的困扰——用groupby加rolling('7D')之后，得到的结果带着多层索引，看起来乱糟糟的，完全不是想要的规整表格对吧？咱们一步步来调整代码，得到你预期的输出。

先看你的原始代码问题 #

你当前的代码逻辑是对的，但groupby('location_id').rolling()默认会返回**多层索引（分组键location_id + 日期索引）**的结果，所以最终的week_windows是一个带层级索引的Series/DataFrame，不是普通的扁平结构。

# 你的原始代码
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
df = df.set_index('date', drop = True)
week_windows = df.groupby('location_id').rolling('7D').count()

解决方案1：重置索引得到扁平结构 #

直接用reset_index()把多层索引转成普通列，同时保留所有必要的信息：

# 重置索引，把location_id和date变回列
week_windows = df.groupby('location_id').rolling('7D').count().reset_index(drop=False)

这样处理后，week_windows就变成了普通的DataFrame，列包含location_id、date，以及你原数据各列的计数结果。

解决方案2：指定统计列+自定义计数列名（更推荐） #

如果你只需要统计某一列的事件数（比如event_id），明确指定列能让结果更清晰，还能给计数列起个直观的名字：

# 假设你要统计的事件列是event_id
week_windows = df.groupby('location_id')['event_id'].rolling('7D').count().reset_index(name='7d_event_count')

这里的name参数会把计数结果的列名设为7d_event_count，一眼就能看出这列的含义。

可选：添加窗口时间范围列 #

如果需要直观看到每个日期对应的7天窗口是哪段时间，可以额外计算窗口的起始和结束日期：

# 添加上窗口起始（当前日期减6天，凑够7天）和结束日期
week_windows['window_start'] = week_windows['date'] - pd.Timedelta(days=6)
week_windows['window_end'] = week_windows['date']

举个实际例子 #

假设你的原始数据是这样的：

用解决方案2的代码后，得到的结果会是：

小提醒 #

如果你的数据里有重复的date+location_id组合，count()会统计所有非空行；如果需要统计去重后的事件数量，把count()换成nunique()就可以啦。

内容的提问来源于stack exchange，提问作者Grygger