pandas按id分组计算近7天滚动求和代码失效如何解决

你当前使用的代码存在两个核心错误，导致结果不符合预期：

• rolling(7)是按行序取最近7条记录做求和，并非按日期维度统计7天时间范围内的数值，只要数据集存在日期缺失、日期不连续、单id单日多条记录的情况，计算逻辑就和需求完全不匹配
• 分组后直接调用rolling返回的结果携带分组层级索引，直接赋值给原DataFrame列时会出现索引对齐错位，进一步导致数值错误

先做必要的数据预处理，再使用pandas原生的时间窗口滚动能力计算，不要用固定行号窗口：

import pandas as pd

# 1. 日期字段强制转时间类型，按id+日期升序排序，避免窗口计算顺序错误
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(by=['id', 'date']).reset_index(drop=True)

# 2. 按id分组，计算每个日期往前7天的累计值
# min_periods=1表示窗口内不足7条记录时，按实际存在的记录数求和，不返回空值
df['value_7d_roll_sum'] = (
    df.set_index('date')
      .groupby('id')['value']
      .rolling('7D', min_periods=1, closed='left')
      .sum()
      .reset_index(drop=True)
)

注意参数closed='left'的作用是排除计算当日的value，仅统计当日之前7天内的数值；如果需要把当日数值也计入累计和，把该参数改成closed='both'即可。

• 如果你的数据集存在同一个id同一天有多条记录的情况，先按id、date维度对value做聚合，再执行滚动计算，否则会出现重复统计
• 所有和时间周期相关的滚动计算，都优先使用带时间偏移量的窗口（比如'7D'、'30D'），不要使用固定整数的行窗口，只要日期不是连续无缺失的规整数据，固定行窗口的结果必然错误
• 计算前必须按分组键+时间字段排序，否则滚动窗口取到的是乱序日期的数值，结果完全不可用

内容的提问来源于stack exchange，提问作者TRK