如何仅对Pandas DataFrame的2月行计算2天滚动求和（免全量计算）

这确实是个很实用的优化需求——当数据量极大时，全量计算滚动统计完全是做无用功，咱们可以换个思路：只提取计算目标月份滚动和所需的最小数据集，既满足回溯依赖，又避免不必要的计算。

问题回顾 #

先明确下场景：我们有这样的交易数据：

要计算2天滚动求和，但只需要2月份的结果。直接全量计算再过滤的方式在大数据场景下效率太低，而且不能提前过滤2月数据（因为2月1日的滚动和需要用到1月31日的回溯数据）。

核心思路 #

滚动窗口的计算依赖于目标日期之前的N-1天数据（这里N=2，所以需要前1天）。所以我们只需要筛选出：

• 目标月份的所有数据
• 目标月份起始日往前推N-1天的那段数据

用这个极小的子集来计算滚动求和，最后再提取目标月份的结果即可。

具体实现代码 #

1. 准备数据与参数配置 #

import pandas as pd

# 构造示例数据
data = {
    'DATE': ['2017-01-29', '2017-01-30', '2017-01-31', '2017-02-01', '2017-02-02', '2017-02-03'],
    'AMOUNT': [10, 20, 30, 40, 50, 60]
}
df = pd.DataFrame(data)
df['DATE'] = pd.to_datetime(df['DATE'])

# 配置核心参数
target_year = 2017
target_month = 2
window_days = 2  # 滚动窗口天数

2. 筛选最小必要数据集 #

# 计算目标月份的起止日期
target_month_start = pd.to_datetime(f'{target_year}-{target_month}-01')
target_month_end = target_month_start + pd.offsets.MonthEnd(0)  # 自动获取当月最后一天

# 计算需要回溯的起始日期：目标月第一天往前推window_days-1天
lookback_start = target_month_start - pd.Timedelta(days=window_days-1)

# 筛选出仅需要的数据子集
subset_df = df[(df['DATE'] >= lookback_start) & (df['DATE'] <= target_month_end)]

3. 计算滚动求和并提取目标结果 #

# 设置日期索引
subset_df.set_index('DATE', inplace=True)

# 在子集上计算滚动求和
rolling_sum = subset_df.rolling(f'{window_days}d')['AMOUNT'].sum()

# 只保留目标月份的结果
result = rolling_sum[rolling_sum.index.month == target_month]

print(result)

运行结果 #

DATE
2017-02-01    70.0
2017-02-02    90.0
2017-02-03    110.0
Name: AMOUNT, dtype: float64

优势说明 #

• 效率提升：只处理必要的数据，比如这个例子里从6行变成了4行（1月31日+2月3天），数据量越大，节省的计算资源越多。
• 通用性强：不管滚动窗口是N天，只需要调整window_days参数，lookback_start会自动计算需要回溯的日期，适配任意月份的需求。

内容的提问来源于stack exchange，提问作者Zi Xiang