如何按ID分组计算DataFrame中Score的3日滚动均值？

问题描述 #

现有包含Date、ID、Score列的DataFrame，需要按ID分组，分别计算每个ID对应的Score的3日滚动均值。已知全局单列滚动均值的写法，但不知道如何按ID分组实现。

全局滚动均值写法：

df['RollingMean3']=df['Score'].rolling(3).mean()

示例数据：

Date        ID  Score
2022-01-02  1   1
2022-01-03  1   2
2022-01-04  1   1
2022-01-05  1   3
2022-01-02  2   5
2022-01-03  2   6
2022-01-04  2   7
2022-01-05  2   3

期望结果：

Date        ID  Score  ScoreRollingMean3
2022-01-02  1   1      NaN
2022-01-03  1   2      NaN
2022-01-04  1   1      1.33
2022-01-05  1   3      2
2022-01-02  2   5      NaN
2022-01-03  2   6      NaN
2022-01-04  2   7      6
2022-01-05  2   3      5.33

可复现代码：

import pandas as pd

df = pd.DataFrame({
    'Date':['2022-01-02', '2022-01-03', '2022-01-04', '2022-01-05', '2022-01-02', '2022-01-03', '2022-01-04', '2022-01-05'],
    'ID':[1, 1, 1, 1, 2, 2, 2, 2],
    'Score':[1, 2, 1, 3, 5, 6, 7, 3]})

解决方案 #

通过groupby('ID')对数据按ID分组，再对每个分组的Score列应用滚动均值计算，即可实现每个ID独立的3日滚动均值：

# 按ID分组后计算3日滚动均值
df['ScoreRollingMean3'] = df.groupby('ID')['Score'].rolling(3).mean().reset_index(level=0, drop=True)

# 可选：保留两位小数，匹配期望结果格式
df['ScoreRollingMean3'] = df['ScoreRollingMean3'].round(2)

print(df)

代码说明 #

• groupby('ID')['Score']：将数据按ID分组，仅保留每个组的Score列
• .rolling(3).mean()：对每个分组的Score列计算窗口大小为3的滚动均值
• .reset_index(level=0, drop=True)：移除分组产生的ID索引，将结果合并回原DataFrame对应行
• .round(2)：将结果保留两位小数，和示例期望结果格式一致

运行代码后输出结果与期望一致：

Date  ID  Score  ScoreRollingMean3
0  2022-01-02   1      1                NaN
1  2022-01-03   1      2                NaN
2  2022-01-04   1      1               1.33
3  2022-01-05   1      3               2.00
4  2022-01-02   2      5                NaN
5  2022-01-03   2      6                NaN
6  2022-01-04   2      7               6.00
7  2022-01-05   2      3               5.33

内容的提问来源于stack exchange，提问作者fjurt