如何简洁实现基于过去数年同月y均值的时间序列特征构建？

我们有数据集df，需要构建基于过去数年同月y值的均值特征，比如y_avg_last2、y_avg_last3、y_avg_last4等：

• 以2022年9月为例，y_avg_last2是2021年9月与2020年9月的y值均值
• y_avg_last3是2021、2020、2019年9月的y值均值

当前使用的代码重复繁琐，如下：

df['y_shift12'] = df['y'].shift(12)
df['y_shift24'] = df['y'].shift(24)
df['y_shift36'] = df['y'].shift(36)
df['y_avg_last2'] = df.loc[:, 'y_shift12': 'y_shift24'].mean(axis=1)
df['y_avg_last3'] = df.loc[:, 'y_shift12': 'y_shift36'].mean(axis=1)
df.drop(['y_shift12', 'y_shift24', 'y_shift36'], axis=1, inplace=True)
df

数据预览 #

• df.tail(10)输出：
  
• df.head(10)输出：
  

简洁实现方案 #

可以通过分组+循环批量生成特征的方式简化代码，避免手动创建多个移位列：

import pandas as pd

# 确保日期列为datetime类型（假设日期列名为'date'）
df['date'] = pd.to_datetime(df['date'])
# 提取月份作为分组依据
df['month'] = df['date'].dt.month

# 定义需要计算的过去年数列表
target_years = [2, 3, 4]

for n in target_years:
    # 按月份分组后，取组内上一年及之前共n年的同月y值均值
    df[f'y_avg_last{n}'] = df.groupby('month')['y'].shift(1).rolling(n).mean()

# 若不需要保留month列，可删除
# df.drop('month', axis=1, inplace=True)

思路说明：

1. 先将日期列转为datetime类型，提取月份用于分组，确保只计算同月的历史值
2. 通过循环遍历需要计算的年数，批量生成对应的均值特征
3. groupby('month')['y'].shift(1)：在同月份组内，将y值向上移位一位（即获取上一年同月的y值）
4. rolling(n).mean()：对移位后的序列取窗口为n的均值，即过去n年同月y值的平均

这种方式的优势在于：后续需要新增更多年份的均值特征时，只需修改target_years列表即可，无需重复编写移位、均值计算的代码，可读性和可维护性更强。

内容的提问来源于stack exchange，提问作者ah bon