使用groupby按分组计算列截至当前行的累计平均值该如何实现？

代码问题说明 #

你原来的代码存在两个核心问题：

1. 逻辑不匹配：你调用的groupby.mean()是计算每个HorseId分组下所有FGrating的整体平均值，返回的结果只有N条（N等于不同HorseId的数量），而你需要的是分组内逐行累计的平均值，不是全组统一的平均值。
2. 索引不匹配：直接把长度为N的分组聚合结果赋值给原表长度为M（M是原表总行数）的列时，Pandas会按照索引对齐赋值，大部分行因为索引匹配不上会被填充为缺失值，这就是你说的「仅部分数据计算正确」的原因。

正确实现方案 #

首先要确保你的数据已经按照你需要的顺序排序（累计平均值和行的先后顺序强相关，比如按比赛时间排序），之后用扩张窗口expanding完成分组累计均值计算即可，代码如下：

# 按HorseId分组，计算分组内从第一行到当前行的累计平均值
featured_data['Average FGrating'] = featured_data.groupby('HorseId')['FGrating']\
    .expanding()\
    .mean()\
    .reset_index(level=0, drop=True)

代码说明：

• expanding()会为分组内每一行创建一个包含当前行及之前所有行的窗口，计算每个窗口的平均值就是你要的累计平均值
• 末尾的reset_index(level=0, drop=True)是为了去掉分组生成的额外HorseId索引，让结果的索引和原表完全对齐，避免赋值时出现缺失值。

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