Python DataFrame按日期滚动求和报错：KeyError与重复问题排查

错误原因分析 #

• KeyError: 'EMPLOYEE ID'：要么是把TRANSACTION DATE设为索引后，分组所需的列被移出了数据框常规列；要么是列名拼写/大小写和数据实际列名不匹配（比如数据里是小写employee id，代码里用了大写）。
• 重复索引错误：将日期设为索引时，同一日期存在多条交易记录，导致索引重复，后续分组或滚动操作触发报错。

分步解决方案 #

1. 数据预处理（避开索引陷阱）

不要直接把日期列设为索引，先转成datetime格式，再按分组键+日期排序——这是滚动窗口计算的必要前提：

import pandas as pd

# 读入交易数据
df = pd.read_csv('你的交易数据文件.csv')

# 将日期列转换为datetime格式，格式根据你的实际数据调整，比如'%Y/%m/%d'
df['TRANSACTION DATE'] = pd.to_datetime(df['TRANSACTION DATE'], format='%Y-%m-%d')

# 按分组字段+日期排序，确保滚动计算的顺序正确
df = df.sort_values(by=['EMPLOYEE ID', 'ACCOUNT EMAIL ADDRESS', 'ACCOUNT NUMBER', 'MERCHANT NAME', 'TRANSACTION DATE'])

2. 正确分组计算10天滚动总和

用groupby指定全部分组键，滚动窗口计算时通过on='TRANSACTION DATE'指定日期列，无需修改索引：

# 定义分组字段列表
group_cols = ['EMPLOYEE ID', 'ACCOUNT EMAIL ADDRESS', 'ACCOUNT NUMBER', 'MERCHANT NAME']

# 计算过去10天（包含当前交易当天）的交易金额总和
df['ROLLING_10D_TOTAL'] = df.groupby(group_cols).rolling(
    window='10D',
    on='TRANSACTION DATE',
    closed='both'
)['TRANSACTION AMOUNT'].sum().reset_index(drop=True)

额外排查点 #

• 核对列名：直接查看数据，确认EMPLOYEE ID、TRANSACTION AMOUNT等列名完全匹配，包括空格、大小写细节。
• 去重处理：如果同一分组+同一日期存在完全重复的交易记录，先去重再计算：

  df = df.drop_duplicates(subset=group_cols + ['TRANSACTION DATE', 'TRANSACTION AMOUNT'], keep='first')
  

• 调整窗口范围：若需要“过去10天不含当天”，将closed='both'改为closed='left'。

内容的提问来源于stack exchange，提问作者KBD