pandas 按组计算滚动时间区间平均值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

滚动时间数据分析适用于时间序列数据，例如股票价格、气象数据、传感器数据、经济指标等。它可以帮助识别趋势、季节性模式、周期性变化和异常值，并提供对数据动态性的更全面理解。本例我们用 pandas 来完成按分组进行操作。

数据与需求

我们的源数据如下：

from io import StringIO
import pandas as pd

data = '''
A          B   C
 a 2021-01-01   1
 a 2021-01-02   2
 a 2021-01-03   3
 a 2021-01-04   5
 a 2021-01-05   6
 a 2021-01-06  10
 a 2021-01-07  12
 a 2021-01-08  14
 a 2021-01-09  12
 a 2021-01-10  30
 b 2022-01-01   1
 b 2022-01-02   2
 b 2022-01-03   3
 b 2022-01-04   4
 b 2022-01-05   5
 b 2022-01-06   6
 b 2022-01-07   7
 b 2022-01-08   8
'''

df = pd.read_csv(StringIO(data), sep='\s+')
df
# ...
df = df.astype({'B': 'datetime64[ns]'})
df.dtypes
'''
A            object
B    datetime64[ns]
C             int64
dtype: object
'''

按数据源 A 列分组，目的表 C 列的结果等于数据源 B 列 T+1～T+3 阶段的数据源 C 列的平均值。

思路

由于需要按组来进行操作，我们先对数据分析，然后每个组的 DataFrame 由一个函数来完成。接下来我们来分析这个函数如何写。

在函数中，我们先定义一个时长为一天的时间间隔对象，在 DataFrame 中查询当前时间的 T+1～T+3 数据，筛选完成后再求 C 列的平均值。

代码

根据思路，我们先测试一个单例。先定义一个一天的时间间隔对象：

day = pd.offsets.Day(1)
day
# <Day>

随机取一个固定的时间：

t = df.loc[0, 'B']
t
# Timestamp('2021-01-01 00:00:00')

筛选时间区间的数据：

df[df.B.between(t+day, t+day*3)]
'''
   A          B  C
1  a 2021-01-02  2
2  a 2021-01-03  3
3  a 2021-01-04  5
'''

求 C 列的平均值：

df[df.B.between(t+day, t+day*3)].C.mean()
# 3.3333333333333335

将以上逻辑封装成一个函数：

def func(d: pd.DataFrame) -> pd.Series:
    day = pd.offsets.Day(1)
    foo = d.apply(lambda x: d[d.B.between(x.B+day, x.B+day*3)].C.mean(), axis=1)
    return foo

计算：

d = df.groupby('A', group_keys=False).apply(func).fillna(0)
d
'''
0      3.333333
1      4.666667
2      7.000000
3      9.333333
4     12.000000
5     12.666667
6     18.666667
7     21.000000
8     30.000000
9      0.000000
10     3.000000
11     4.000000
12     5.000000
13     6.000000
14     7.000000
15     7.500000
16     8.000000
17     0.000000
dtype: float64
'''

增加到源数据的列：

df.assign(D=d)
'''
    A          B   C          D
0   a 2021-01-01   1   3.333333
1   a 2021-01-02   2   4.666667
2   a 2021-01-03   3   7.000000
3   a 2021-01-04   5   9.333333
4   a 2021-01-05   6  12.000000
5   a 2021-01-06  10  12.666667
6   a 2021-01-07  12  18.666667
7   a 2021-01-08  14  21.000000
8   a 2021-01-09  12  30.000000
9   a 2021-01-10  30   0.000000
10  b 2022-01-01   1   3.000000
11  b 2022-01-02   2   4.000000
12  b 2022-01-03   3   5.000000
13  b 2022-01-04   4   6.000000
14  b 2022-01-05   5   7.000000
15  b 2022-01-06   6   7.500000
16  b 2022-01-07   7   8.000000
17  b 2022-01-08   8   0.000000
'''

这样就完成了这个需求。

（完）

pandas 按组计算滚动时间区间平均值

数据与需求

思路

代码

相关内容