基于日期动态窗口的Pandas DataFrame滚动均值计算方案问询

一、基础需求：按日期范围确定动态窗口 #

针对"取当前行日期前3-8天数据计算均值"的需求，无需暴力逐行循环，可通过Numpy广播或Pandas交叉合并实现高效计算。

步骤与代码示例 #

1. 准备样本数据并统一字段格式：

import pandas as pd

data = [
    [1, 'C', 'A', 870], [2, 'D', 'A', 920], [3, 'C', 'A', 120], [4, 'D', 'A', 120],
    [6, 'C', 'A', 120], [8, 'D', 'A', 1200], [8, 'c', 'A', 720], [10, 'D', 'A', 480],
    [11, 'D', 'A', 600], [12, 'C', 'A', 720], [13, 'D', 'A', 80], [13, 'D', 'A', 600],
    [14, 'D', 'A', 1200], [18, 'E', 'B', 150]
]

df = pd.DataFrame(data, columns=['dates', 'material', 'location', 'quantity'])
# 统一material大小写，避免大小写匹配问题
df['material'] = df['material'].str.upper()

2. 用Numpy广播实现高效计算：

dates = df['dates'].values
# 生成布尔掩码：标记每行对应的符合日期范围的历史行
mask = (dates[:, None] - dates[None, :] >= 3) & (dates[:, None] - dates[None, :] <= 8)

# 基于掩码计算每行的均值
df['Mean'] = [df['quantity'][mask[i]].mean() if mask[i].any() else pd.NA for i in range(len(df))]

此方法利用Numpy的向量运算特性，比逐行循环效率提升显著，适合中等及以上数据量场景。

二、扩展需求：结合material字段过滤窗口 #

若要求窗口内数据必须与当前行material值一致，只需在上述掩码基础上添加material匹配条件：

代码示例 #

materials = df['material'].values
# 同时满足日期范围和material相同的掩码
mask_material = mask & (materials[:, None] == materials[None, :])

# 计算带material过滤的均值
df['Mean_material'] = [df['quantity'][mask_material[i]].mean() if mask_material[i].any() else pd.NA for i in range(len(df))]

备选：用Pandas交叉合并实现（更直观） #

如果对性能要求不高，交叉合并的方式更易理解：

# 交叉合并原表与自身，获取所有行对
df_merge = df.merge(df, how='cross', suffixes=('', '_hist'))
# 筛选符合日期范围和material匹配的行
df_merge = df_merge[
    (df_merge['dates'] - df_merge['dates_hist'] >= 3) &
    (df_merge['dates'] - df_merge['dates_hist'] <= 8) &
    (df_merge['material'] == df_merge['material_hist'])
]
# 分组计算均值并合并回原表
mean_result = df_merge.groupby(['dates', 'material', 'location', 'quantity'])['quantity_hist'].mean().reset_index(name='Mean')
df = df.merge(mean_result, on=['dates', 'material', 'location', 'quantity'], how='left')

结果验证 #

两种方法均可得到与预期一致的计算结果，例如：

• 日期10的D类数据，均值为(920+120)/2=520
• 日期18的E类数据，因无匹配的历史数据，均值为pd.NA

内容的提问来源于stack exchange，提问作者zjsuper