如何为pandas数据框中每个唯一城市单独计算value列的移动平均线

前置准备 #

计算前必须先对DataFrame按「城市+日期」做升序排序，保证每个城市的数据是按时间先后排列的，否则移动平均结果会出错：

# 排序并重置索引
df = df.sort_values(by=["city", "date"]).reset_index(drop=True)

核心实现代码 #

你需要的分组滚动计算逻辑可以直接通过groupby+rolling实现，以下是两种常用写法，效果一致：

写法1：用transform直接对齐原索引 #

适合快速赋值，不需要额外处理索引：

# 新增ma_3列存储每个城市的3期移动平均值
df["ma_3"] = df.groupby("city")["value"].transform(lambda x: x.rolling(3).mean())

写法2：直接对分组后的值做滚动计算 #

适合需要自定义滚动参数的场景，计算后重置分组索引即可和原DataFrame对齐：

# min_periods=1表示不足3期时按现有数据计算，避免前2行出现空值
df["ma_3"] = df.groupby("city")["value"].rolling(3, min_periods=1).mean().reset_index(level=0, drop=True)

常用参数说明 #

• 调整窗口大小：修改rolling()的第一个参数即可，比如要算7天移动平均就改成rolling(7)
• 中心移动平均：需要计算当期前后各n期的平均值时，添加参数center=True
• 缺失值处理：可以先通过df["value"] = df["value"].fillna(0)填充缺失值后再做滚动计算

结果验证 #

计算完成后可以单独筛选单个城市的数据做校验，确认移动平均没有混入其他城市的数值：

print(df[df["city"] == "saopaulo"].head())

内容的提问来源于stack exchange，提问作者Marcos Vinícius Petri