如何根据时间戳为DataFrame观测值动态加权 使近期数据影响力更高

你原来的手动分段赋权方案问题在于权重是离散跳变的，而且分段边界、权重值都是硬编码，调整成本高。用指数衰减加权可以实现逐观测连续赋权，时间越近权重越高，只需要一个半衰期参数就能灵活控制权重衰减速率，适配增量更新的需求。

核心逻辑 #

• 先把日期列转成标准时间格式，按时间升序排序避免权重错乱
• 以数据集中最新的比赛日期为基准，计算每条历史记录距离基准日的天数差
• 用指数衰减公式给每条记录算权重：最新比赛权重为1，每往前推一个半衰期的时长，权重就降为原来的1/2
• 最后用numpy的加权平均方法计算各得分列的均值即可

可直接复用的函数代码 #

import pandas as pd
import numpy as np

def calc_time_weighted_score(df, score_cols, half_life_days=30):
    """
    计算时间加权的得分均值
    参数:
    df: 存比赛数据的DataFrame，必须带Date列和对应的得分列
    score_cols: 要计算均值的列名列表，例：['attack_score', 'defence_score']
    half_life_days: 权重半衰期，单位天，数值越小旧数据权重衰减越快
    """
    # 不修改原数据
    temp_df = df.copy()
    temp_df['Date'] = pd.to_datetime(temp_df['Date'])
    temp_df = temp_df.sort_values('Date', ascending=True).reset_index(drop=True)
    
    # 计算每条记录距最新比赛的间隔天数
    latest_match_date = temp_df['Date'].max()
    day_gap = (latest_match_date - temp_df['Date']).dt.days
    
    # 计算指数衰减权重：最新记录间隔0天，权重为1
    weights = np.power(0.5, day_gap / half_life_days)
    
    # 逐列算加权均值
    res = {}
    for col in score_cols:
        res[col] = np.average(temp_df[col], weights=weights)
    return pd.Series(res)

使用方法 #

拿你给出的样例数据举例：

# 样例数据
df = pd.DataFrame({
    'Date': ['2022-03-18', '2022-03-24', '2022-04-06'],
    'attack_score': [2.3, 1.6, 1.9],
    'defence_score': [0.4, 1.2, 0.7]
})

# 计算加权均值，这里设半衰期15天，即15天前的比赛权重只有最新比赛的一半
weighted_scores = calc_time_weighted_score(
    df, 
    score_cols=['attack_score', 'defence_score'], 
    half_life_days=15
)
print(weighted_scores)

调优提示 #

• 想让模型更敏感捕捉球队近期的阵容、战术变化，就把half_life_days调小，一般足球场景下设10~30天比较合适，此时超过2个月的比赛权重会降到很低
• 想兼顾球队长期实力基线，避免短期偶然波动影响太大，就把参数调到60~90天
• 最优值可以通过交叉验证在验证集上测预测准确率来选，比手动分段的方案灵活很多，后续新比赛入库后，直接重新跑函数就能自动更新所有权重，不需要改代码逻辑。

这个方案的权重是连续变化的，不会出现你之前分段方案里，刚好卡在分段边界的两场相邻比赛权重差很大的不合理情况，所有记录的权重和时间差严格对应，没有人为划分分段带来的偏差。

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