如何在Pandas中实现基于日期的向前滚动求和？

我明白你的需求啦！你现在用groupby+rolling得到的是向后滚动求和（从当前行往过去方向取7天的累计和），但你想要的是向前滚动求和（从当前行往未来方向取7天的累计和）对吧？

其实解决思路很简单：我们可以把每个分组的数据反转顺序，用你已经熟悉的滚动求和逻辑处理，最后再把结果反转回来，就等价于实现了向前滚动的效果。

具体代码实现 #

先把你的完整代码和解决方案整合在一起：

import pandas as pd
import numpy as np

# 生成原始DataFrame
dates = pd.date_range(start='2016-01-01', periods=20, freq='d')
df = pd.DataFrame({'A': [1] * 20 + [2] * 12 + [3] * 8, 
                   'B': np.concatenate((dates, dates)), 
                   'C': np.arange(40)})

# 按日期排序（你已经完成的步骤）
df.sort_values('B', inplace=True)
df.reset_index(drop=True, inplace=True)  # 重置索引让后续操作更顺畅

# 核心：实现向前滚动求和
forward_rolling_sum = df.groupby('A').apply(
    lambda group: group['C'][::-1].rolling(7, min_periods=0).sum()[::-1]
).reset_index(level=0, drop=True)

# 将结果合并到原DataFrame中
df['forward_rolling_C_sum'] = forward_rolling_sum

代码解释 #

• group['C'][::-1]：把每个分组的C列数据反转顺序，这样原来的“未来行”就变成了“过去行”
• rolling(7, min_periods=0).sum()：对反转后的数据执行你已经熟悉的滚动求和，此时计算的就是原数据中当前行及未来6天的和
• [::-1]：把求和结果再次反转，恢复原数据的顺序
• reset_index(level=0, drop=True)：移除groupby带来的额外索引层，让结果能和原DataFrame完美匹配

验证结果 #

比如看A=1的部分数据，向前滚动求和的结果会是：

这正好是你想要的向前（未来方向）滚动7天的求和结果。

内容的提问来源于stack exchange，提问作者Ahamed Moosa