三变量（date、campaign、country）索引的dataframe Rolling average计算问题

核心逻辑很简单：滚动计算仅需要按非时间的索引维度分组，每个分组内是独立的时间序列，按时间排序后执行滚动计算即可，三个索引的场景只需要把两个非时间维度都加入分组字段即可，也适配任意多维度索引场景。 #

R 实现（tidyverse 生态） #

推荐使用slider包的滑动计算函数，原生适配dplyr语法：

library(dplyr)
library(slider)

df_rolled <- df %>%
  # 按campaign、country两个非时间维度分组
  group_by(campaign, country) %>%
  # 保证分组内数据按日期升序排列，是滚动计算正确性的前提
  arrange(date, .by_group = TRUE) %>%
  # 以7天移动平均为例，调整.window参数修改窗口大小
  mutate(
    cost_ma7 = slide_dbl(cost, mean, .window = 7, .complete = FALSE),
    clicks_ma7 = slide_dbl(clicks, mean, .window = 7, .complete = FALSE)
  ) %>%
  ungroup()

参数说明：

• .complete = FALSE表示窗口大小不足时也返回已有数据的均值，若设为TRUE，窗口大小不足的行将返回NA
• 如果需要按自然日窗口（而非数据行数）计算，可以将.before参数设置为lubridate::days(6)，同时保证date列为日期格式

Python 实现（pandas 生态） #

基于pandas多级索引和分组滚动计算实现：

import pandas as pd

# 将三个索引字段设为多级索引并排序
df = df.set_index(['campaign', 'country', 'date']).sort_index()

# 按campaign、country分组，计算7天移动平均
df[['cost_ma7', 'clicks_ma7']] = df.groupby(level=['campaign', 'country'])[['cost', 'clicks']] \
    .rolling(window=7, min_periods=1).mean()

# 重置索引恢复为普通列格式，原三个索引字段完整保留
df = df.reset_index()

参数说明：

• min_periods=1表示窗口大小不足时也返回有效值，修改为等于窗口大小即可要求窗口满数据才返回结果
• 如果要按自然日而非数据行数计算窗口，可以将window参数替换为window='7D'

内容的提问来源于stack exchange，提问作者João Paulo