如何使用Pandas与groupby计算特定条件下指定时间段的列滚动均值

这是同类问题的变体，仅新增了Track列：

需求为：按Jockey ID分组，计算过去1000天内骑手仅在Sha Tin赛道的最终名次Position的滚动均值，非Sha Tin赛道对应的均值字段留空，预期输出结果如下：

解决方案 #

你可以通过pandas的时间窗口滚动计算实现该需求，示例代码如下：

import pandas as pd

# 假设原始数据存储在df变量中
# 1. 日期格式转换+按时间升序排序
df['Date'] = pd.to_datetime(df['Date'], format='%d-%m-%Y')
df = df.sort_values('Date').reset_index(drop=True)

# 2. 仅对Sha Tin赛道的记录做分组滚动均值计算
sha_tin_filter = df['Track'] == 'Sha Tin'
df.loc[sha_tin_filter, 'Mean Position'] = (
    df[sha_tin_filter]
    .groupby('Jockey ID')
    .rolling('1000D', on='Date')['Position']
    .mean()
    .reset_index(drop=True)
)

# 3. 非Sha Tin赛道的均值字段留空
df['Mean Position'] = df['Mean Position'].fillna('')

# 若需要输出示例中带计算过程的字符串格式，可额外按分组聚合历史位置信息做字符串拼接即可

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