如何使用Pandas结合groupby计算指定时间周期内列的滚动平均值

你可以用pandas的时间滚动窗口功能完成该需求，具体实现步骤如下： #

前置准备 #

首先确保你已经安装了pandas库，且原始数据已经加载为DataFrame格式。 #

代码实现 #

import pandas as pd

# 1. 转换日期列为datetime类型（必须步骤，时间窗口计算依赖标准日期格式）
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')

# 2. 按骑手ID+日期升序排序，保证每个骑手的记录按时间先后排列
df = df.sort_values(by=['Jockey ID', 'Date']).reset_index(drop=True)

# 3. 分组计算1000天内的滚动平均名次
# 参数说明：
# '1000D'：窗口长度为1000天
# min_periods=1：只要窗口内有至少1条数据就计算，避免前几行出现空值
df['Mean Position'] = df.groupby('Jockey ID')\
                        .rolling('1000D', on='Date', min_periods=1)['Position']\
                        .mean()\
                        .round(2)\
                        .values

# 如果你需要输出和示例完全一致的带计算说明的字符串格式，可以额外加以下代码：
g = df.groupby('Jockey ID').rolling('1000D', on='Date', min_periods=1)['Position']
df['mean_val'] = g.mean().round(2).values
df['count_val'] = g.count().astype(int).values
df['sum_val'] = g.sum().astype(int).values
df['Mean Position'] = df.apply(lambda x: f"{x['mean_val']} ({x['sum_val']}/{x['count_val']})", axis=1)
# 不需要的中间列可以按需删除：df = df.drop(columns=['mean_val','count_val','sum_val'])

结果说明 #

运行上述代码后得到的Mean Position列数值和你给出的预期结果完全一致。如果需要调整小数保留位数，修改round()方法的参数即可。

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