基于Python为DataFrame各用户自动计算近6个月平均值并新增列

步骤1：数据预处理与日期格式转换 #

首先将year_month转换为可排序的日期类型，确保后续时间序列操作的准确性：

import pandas as pd

# 示例数据（替换为你的实际数据）
df = pd.DataFrame({
    'user_id': [1,1,1,1,2,2,2,2,3,3,3,3],
    'value': [50,54,50,47,36,48.5,54,30.2,41.4,48.5,41.4,30.2],
    'year_month': ['2021-01','2021-02','2021-11','2021-12','2021-01','2021-05','2021-11','2021-12','2021-01','2021-02','2021-05','2021-12']
})

# 转换为月度结束日期，方便补全缺失月份
df['year_month'] = pd.to_datetime(df['year_month']) + pd.offsets.MonthEnd(0)

步骤2：补全用户缺失的月度记录 #

由于部分用户可能存在月份断档，需补全每个用户的完整月度序列，避免滚动计算时跳过缺失月份：

def fill_missing_months(group):
    # 生成该用户时间范围内的完整月度序列
    full_dates = pd.date_range(start=group['year_month'].min(), end=group['year_month'].max(), freq='M')
    # 重新索引补全缺失月份，缺失的value设为NaN
    return group.set_index('year_month').reindex(full_dates).reset_index().rename(columns={'index': 'year_month'})

# 按用户分组补全数据
df_full = df.groupby('user_id').apply(fill_missing_months).reset_index(drop=True)

步骤3：计算过去6个月平均值 #

按用户分组后，使用滚动窗口计算当前月份前6个月的平均值（不包含当前月）：

# 滚动窗口大小为6，closed='left'表示窗口包含左边界（前第6个月）、不包含右边界（当前月）
df_full['past_6m_avg'] = df_full.groupby('user_id')['value'].rolling(window=6, closed='left').mean().reset_index(drop=True)

# 可选：将日期转回字符串格式
df_full['year_month'] = df_full['year_month'].dt.strftime('%Y-%m')

关键说明 #

• 如果希望缺失月份的value按0计算，可在补全步骤后添加df_full['value'] = df_full['value'].fillna(0)。
• 若数据本身无缺失月份，可跳过步骤2，直接执行步骤3。
• 滚动窗口的closed参数可根据需求调整：closed='both'会包含当前月，需根据你的实际计算规则修改。

内容的提问来源于stack exchange，提问作者s nandan