Pandas 23.0中按id分组计算滚动均值的DataFrame实现问询

你的需求其实是计算每个ID分组下的累积算术平均值——也就是每个ID的每一行，取从首次出现到当前行的所有value的平均值，Pandas有非常高效的内置方法可以实现，完全不需要用字典循环，代码更简洁，性能也会好很多，尤其是数据量大的时候。

最优实现方案 #

直接利用Pandas的groupby结合expanding().mean()扩展窗口函数，一步到位：

import pandas as pd

# 读取CSV数据
dat = pd.read_csv('file.csv')

# 按ID分组，计算每个分组内value的累积均值
dat['mean'] = dat.groupby('id')['value'].expanding().mean().reset_index(level=0, drop=True)

# 保存结果到新CSV
dat.to_csv('file2.csv', index=False)

代码解释 #

• groupby('id')：将数据按id分组，每个ID的行单独处理
• expanding().mean()：对每个分组的value列计算扩展窗口均值——窗口从该分组的第一行开始，逐步扩大到当前行，所以每个位置的值就是从该ID首次出现到当前行的所有value的平均值，完全符合你要求的"首次出现的id均值为自身value"的规则
• reset_index(level=0, drop=True)：移除分组产生的多级索引，让计算结果和原DataFrame的行对齐，直接赋值给新的mean列

验证结果 #

运行后生成的file2.csv内容和你期望的完全一致：

id,time,value,mean
1,22:10:01,10,10.0
2,22:10:02,20,20.0
3,22:10:03,30,30.0
2,22:10:04,40,30.0
1,22:10:05,50,30.0

额外说明 #

如果你的原始数据不是按time顺序排列的，建议先按id和time排序，确保累积计算的顺序正确：

dat = dat.sort_values(['id', 'time'])

对比你的原方法 #

你用字典循环的方式虽然可行，但Pandas的向量化操作是基于C实现的，在数据量较大（比如几万行以上）时，速度会比循环快几十甚至上百倍，而且代码更简洁易读，维护成本更低。

内容的提问来源于stack exchange，提问作者Als