如何在Pandas中按多列分组并基于日期偏移计算滚动求和？

我来帮你搞定这个滚动求和的问题！首先咱们先理清你原来代码的问题所在，然后一步步修正得到正确结果。

问题分析 #

你遇到的问题其实不是负数导致的，而是代码逻辑顺序错了：你先对原始数据做滚动求和，再按日期聚合，这会导致同一天的多条数据被重复计算在滚动窗口里。正确的步骤应该是先按日期聚合每日数据，再对聚合后的结果做滚动求和。

另外，你提到的"2个工作日的移动窗口"，我们需要先把每日同组同类型的数据合并，再对排序后的日期做滚动计算。

正确解决方案步骤 #

1. 先聚合每日数据

首先把同一天、同group、同type的value求和，得到每日的总数值：

import pandas as pd
import numpy as np
import datetime

# 生成你的示例数据
vals = [-4,17,-4,-16,2,20,3,10,-17,-8,-21,2,0,-11,16,-24,-10,-21,5,12,14,9,-15,-15]
grp = ['X']*6 + ['Y'] * 6 + ['X']*6 + ['Y'] * 6
typ = ['foo']*12+['bar']*12
dat = ['19/01/18','19/01/18','22/01/18','22/01/18','23/01/18','24/01/18'] * 4

df = pd.DataFrame({'group': grp,'type':typ,'value':vals,'date':dat})
df.date = pd.to_datetime(df.date)

# 第一步：按group、type、date聚合，得到每日总和
df_daily = df.groupby(['group', 'type', 'date'])['value'].sum().reset_index()
# 确保每个组内的日期按顺序排列
df_daily = df_daily.sort_values(['group', 'type', 'date'])

2. 执行2个工作日的滚动求和

这里分两种场景，根据你的需求选择：

场景A：窗口包含当前工作日和前1个工作日（共2个连续工作日）

如果你的窗口是固定的2个连续工作日（不管日期间隔，只要是排序后的前一个工作日），用window=2：

# 按group+type分组，做滚动2个工作日的求和
result = df_daily.groupby(['group', 'type']).rolling(window=2, on='date', min_periods=1)['value'].sum().reset_index()
# min_periods=1 确保第一个工作日（没有前一个）也能返回自身的数值

场景B：窗口包含过去2个自然日内的所有工作日

如果你的窗口是基于自然日的2天（只包含该时间段内的工作日），用rolling('2D')：

result = df_daily.groupby(['group', 'type']).rolling('2D', on='date')['value'].sum().reset_index()

验证结果 #

以group=X, type=foo为例，聚合后的每日数据是：

用场景A的代码得到的滚动求和结果是：

这个结果完全正确，不管value是正还是负都能正常计算。

内容的提问来源于stack exchange，提问作者Bonners