Pandas基于各行日期计算前7天Data字段平均值的实现

核心处理逻辑 #

• 首先将字符串格式的Date列转换为pandas标准日期格式，确保时序排序、窗口计算的准确性
• 按Circle、Node字段做数据分组，从根源上避免跨分组的数据串扰，保证每个独立序列的均值计算独立完成
• 对每个分组的Data序列做1位偏移后，开启长度为7的滚动窗口计算均值，精准匹配“基准日之前连续7天、不含基准日本身”的计算规则
• 过滤掉前置数据不足7天、无法输出有效均值的记录，最终输出结构和示例要求完全对齐

可直接复用的代码 #

import pandas as pd

# 1. 日期格式转换，适配时序计算
df1['Date'] = pd.to_datetime(df1['Date'], format='%m/%d/%Y')

# 2. 分组计算前置7天滚动均值（排除基准日本身的Data值）
df1['Average'] = df1.groupby(['Circle', 'Node'])['Data'].transform(
    lambda series: series.shift(1).rolling(window=7, min_periods=7).mean()
)

# 3. 过滤无效空值，重置索引得到目标结果df2
df2 = df1.dropna(subset=['Average']).reset_index(drop=True)

# 4. 按示例要求保留4位小数
df2['Average'] = df2['Average'].round(4)

结果准确性校验 #

以示例中的3/22/2021基准日为例，其对应前置7天（3/15/2021-3/21/2021）的Data值计算得到的平均值为99.2443，和给出的输出值完全匹配；其余基准日的计算逻辑与示例一致，可复现全部输出的Average数值。

关键参数说明 #

• shift(1)：将基准日数据从计算窗口中剔除，确保窗口仅覆盖基准日之前的记录
• window=7：固定窗口长度为7，对应连续7天的统计范围
• min_periods=7：仅当窗口内凑齐完整7条数据时才输出均值，不足则返回空值，避免计算偏差
• 分组逻辑适配多场景扩展：即使后续数据集新增其他Circle、Node的序列，也不会出现跨组计算的错误

内容的提问来源于stack exchange，提问作者Rajeev Dubey