按datetime列A分组，为C列计算3期Simple Moving Average生成新列df['D']

我来帮你搞定这个需求！要给你的DataFrame新增一列D，存储按datetime列A分组后C列的3期简单移动平均，其实可以分几步来实现，思路很清晰：

核心思路 #

1. 先确保A列是标准的datetime类型（避免分组时出错）
2. 提取每个唯一datetime分组对应的C值（你的数据里每个分组内C值完全一致，取第一个值即可）
3. 对提取后的C序列计算3期简单移动平均
4. 将计算好的移动平均值映射回原DataFrame的对应分组中

完整代码实现 #

import pandas as pd

# 加载你的原始数据
data = {
    'A': ['2002-01-13 10:00:00', '2002-01-13 10:00:00', '2002-01-13 12:00:00', '2002-01-13 12:00:00',
          '2002-01-18 10:00:00', '2002-01-18 10:00:00', '2002-01-18 12:00:00', '2002-01-18 12:00:00',
          '2002-02-09 08:00:00', '2002-02-09 08:00:00', '2002-02-09 14:00:00', '2002-02-09 14:00:00'],
    'B': ['Jack', 'Hellen', 'Sibl', 'Steve', 'Ridley', 'Scott', 'Rambo', 'Peter', 'Brad', 'Victoria', 'Caroline', 'Andrea'],
    'C': [10, 10, 14, 14, 38, 38, 52, 52, 90, 90, 8, 8]
}
df = pd.DataFrame(data)

# 步骤1：转换A列为datetime类型
df['A'] = pd.to_datetime(df['A'])

# 步骤2：提取每个唯一A分组对应的C值（每个分组C值相同，取第一个即可）
grouped_c = df.groupby('A')['C'].first().reset_index()

# 步骤3：计算3期简单移动平均
# window=3表示取3个连续周期，min_periods=1表示不足3期时也计算（若要严格3期则设为3，前两个分组会返回NaN）
grouped_c['D'] = grouped_c['C'].rolling(window=3, min_periods=1).mean()

# 步骤4：将计算好的D值合并回原DataFrame
df = df.merge(grouped_c[['A', 'D']], on='A', how='left')

# 查看最终结果
print(df)

结果说明 #

运行后你会看到：

• 前两个分组（2002-01-13 10:00和12:00）的D值分别是10（1期平均）和12（(10+14)/2）
• 第三个分组（2002-01-18 10:00）的D值是(10+14+38)/3≈20.6667
• 后续分组以此类推，每个分组内的两行数据会共享同一个D值，完全符合需求

内容的提问来源于stack exchange，提问作者Tie_24