Pandas中groupby与rolling分组求均值结果不一致问题咨询

嗨，我来帮你梳理一下问题出在哪～其实核心差异是两种方法的窗口定义和取值位置不匹配，咱们一步步拆解：

1. groupby(pd.Grouper(freq='5s'))的逻辑 #

这种方法是严格按照时间区间来分组的：

• 你的数据从2018-01-01 09:01:00开始，第一个分组区间是[09:01:00, 09:01:05)，包含00、01、02、03、04这5个时间点的数据，计算这5个值的均值，结果的索引是区间的起始时间（00秒）；
• 第二个区间是[09:01:05, 09:01:10)，包含05-09秒的数据，均值对应索引05秒；
• 以此类推，正好分成10组（50条数据 ÷ 5秒每组）。

2. 你用的rolling方法为啥结果不对？ #

rolling(window=5).mean()是滚动计算连续5个数据的均值，但你后续用iloc[::5]取数的位置错了：

• rolling的第一个有效均值出现在第5个数据点（位置4，对应04秒），这个值对应的窗口是00-04秒；
• 如果你直接用iloc[::5]，取的是位置0（NaN）、5、10...，位置5对应的窗口是01-05秒——这个窗口包含了前一组的最后4个数据（01-04）和当前组的第一个数据（05），和groupby的分组窗口完全不重合，结果自然不一样。

3. 修正后的rolling方法 #

只要调整取数的起始位置，就能让窗口和groupby完全匹配：

df_rolling = df.rolling(window=5).mean().iloc[4::5]

这里iloc[4::5]表示从位置4（第一个有效均值）开始，每隔5个位置取一个值，对应的窗口正好是：

• 位置4 → 00-04秒
• 位置9 → 05-09秒
• 位置14 → 10-14秒
• ...以此类推

这样计算出来的均值数值就和groupby的结果完全一致了（唯一的区别是索引：groupby的索引是区间起始时间，rolling的是窗口最后一个时间点，你可以手动修改索引对齐）。

验证一下 #

用代码验证数值一致性（考虑浮点计算精度，用np.allclose）：

import pandas as pd
import numpy as np

# 生成数据
df = pd.DataFrame(np.random.randn(50,2),columns=list('AB'),index=pd.date_range('20180101 9:01:00',freq='s',periods=50))

# groupby方式
df_groupby = df.groupby(pd.Grouper(freq='5s')).mean()

# 修正后的rolling方式
df_rolling = df.rolling(window=5).mean().iloc[4::5]

# 对比数值
print(np.allclose(df_groupby.values, df_rolling.values))  # 输出True

内容的提问来源于stack exchange，提问作者Frank