Python Pandas按类别计算DataFrame12个月滚动平均值问题求助

你出现跨分类取数的核心原因是没有先按categorie字段分组就直接调用rolling方法，pandas会默认把整个DataFrame按现有顺序连续计算，不会自动隔离不同分类的数据。

具体实现步骤 #

• 第一步：先处理时间字段：如果YYYYMM为字符串格式，先转成datetime类型避免排序出错，再按categorie、YYYYMM两个字段升序排序，确保每个分类下的时间序列是连续且按时间先后排列的，避免因为时间乱序导致滚动计算结果错误。
• 第二步：用groupby方法按categorie分组，针对每个分组内的avg(monthly)字段调用rolling方法，设置窗口为12即可。

示例代码 #

import pandas as pd

# 可选：字符串格式的年月转datetime，避免排序错误
df['YYYYMM'] = pd.to_datetime(df['YYYYMM'], format='%Y%m')

# 按分类+时间排序，保证每个分类下的时间序列连续有序
df_sorted = df.sort_values(by=['categorie', 'YYYYMM']).reset_index(drop=True)

# 分组计算12个月滚动平均
df_sorted['12m_rolling_avg'] = df_sorted.groupby('categorie', group_keys=False)['avg(monthly)'].rolling(window=12, min_periods=1).mean()

关键参数说明 #

• group_keys=False：如果不加这个参数，分组计算后返回的Series会自带categorie作为多级索引的第一级，和原DataFrame的索引对不上会导致赋值失败，加上后可以直接匹配原排序后的DataFrame的索引。
• min_periods=1：如果你的数据里存在分类数据不满12个月的情况，设置这个参数会用现有能取到的最大窗口数据计算平均值；如果要求必须满12个月才出结果可以删掉这个参数，不满12个月的位置会返回空值。

内容的提问来源于stack exchange，提问作者wokter