如何基于成员生日计算对应分组12个月区间的月度计数均值

以下先提供你需要的循环实现写法，再附上性能更优的简便实现方案，两种方案都可以直接替换列名后运行。

前置预处理 #

无论用哪种方案，先统一把两个数据集的年月转换为pandas月周期类型，避免跨年跨月的计算错误：

import pandas as pd
import numpy as np

# 替换为你实际使用的列名即可
DF1['ym'] = pd.PeriodIndex(year=DF1['年份列'], month=DF1['月份列'], freq='M')
DF2['birth_ym'] = pd.PeriodIndex(year=DF2['生日年'], month=DF2['生日月'], freq='M')

方法1：逐行循环实现 #

逻辑完全匹配需求描述，逐行处理DF2中的每位成员：

• 提取当前成员的分组ID、生日起始月份
• 生成从生日月开始的连续12个目标月份
• 从DF1中筛选同分组、月份在目标范围内的月度计数
• 计算均值存入结果列表，最后将列表作为新列追加到DF2
  代码如下：

# 为DF1构建分组+月份的联合索引，大幅提升循环中的筛选速度
DF1_indexed = DF1.set_index(['分组ID', 'ym']).sort_index()
mean_result = []

for _, row in DF2.iterrows():
    current_gid = row['分组ID']
    current_start_ym = row['birth_ym']
    # 生成连续12个月的周期列表
    target_months = [current_start_ym + offset for offset in range(12)]
    try:
        # 提取窗口内的计数值
        window_counts = DF1_indexed.loc[current_gid].loc[target_months, '月度计数字段'].to_numpy()
        mean_val = window_counts.mean()
    except KeyError:
        # 若存在分组不匹配、月份缺失的情况，返回空值，可按需修改默认填充值
        mean_val = np.nan
    mean_result.append(mean_val)

DF2['生日起始12个月计数均值'] = mean_result

该写法优势是逻辑直白、调试方便，适合万级以内的小数据集；缺点是逐行遍历性能差，百万级数据下运行速度较慢

方法2：高性能简便实现（无显式逐行循环） #

先预构建每个分组的有序月度计数序列，避免循环过程中反复筛选DF1，性能比纯循环写法高10~100倍，代码维护性更好：

# 预构建每个分组的有序月份、计数数组，仅需遍历一次DF1
group_cache = {}
for gid, sub_df in DF1.groupby('分组ID'):
    sorted_sub = sub_df.sort_values('ym')
    group_cache[gid] = (
        sorted_sub['ym'].to_numpy(),
        sorted_sub['月度计数字段'].to_numpy()
    )

def calc_window_mean(gid, start_ym):
    if gid not in group_cache:
        return np.nan
    ym_array, count_array = group_cache[gid]
    # 定位生日月在序列中的起始索引
    start_pos = np.searchsorted(ym_array, start_ym)
    # 截取连续12个月的窗口计算均值
    window_data = count_array[start_pos : start_pos + 12]
    return window_data.mean() if len(window_data) > 0 else np.nan

# 批量计算所有成员的均值
DF2['生日起始12个月计数均值'] = DF2.apply(lambda x: calc_window_mean(x['分组ID'], x['birth_ym']), axis=1)

补充提示：如果DF1存在月度数据缺失，先执行下面的代码按分组补全所有月份，避免窗口长度不足12个月导致均值计算偏差：

DF1 = DF1.set_index('ym').groupby('分组ID')['月度计数字段'].resample('M').sum().reset_index()

如果DF1是完全连续无缺失的月度数据，还可以提前给每个分组预计算所有月份作为起始点的12个月滚动均值，直接通过表连接匹配结果，不需要使用apply，千万级数据也能秒级出结果。

内容的提问来源于stack exchange，提问作者Ananth Jason