python - Pandas - 使用 groupby 滚动平均值

Question

我是 Pandas 的新手。
我有一个数据框，我正在查看 Horse 结果。
我试图在过去 30 天内为每匹马在列中获得位置完成结果的滚动平均值。这是数据框中两匹马的示例:

        Horse            Position  OR   RaceDate    Weight
125283  cookie ring             4  59.0 2016-04-25  52.272727
126134  a boy named sue         7  46.0 2016-05-31  54.090909
137654  a boy named sue         4  49.0 2017-01-25  57.727273
138434  a boy named sue         8  48.0 2017-02-04  55.909091
138865  a boy named sue         2  48.0 2017-02-10  51.363636
140720  a boy named sue         3  50.0 2017-03-10  54.545455
141387  a boy named sue         7  49.0 2017-03-22  59.545455
143850  cookie ring             11  54.0 2017-05-25 56.818182
144203  cookie ring             9  54.0 2017-06-03  50.000000

所以我需要对每匹马进行分组，然后应用滚动平均值 90 天。我正在通过调用以下内容来做:

df['PositionAv90D'] = df.set_index('RaceDate').groupby('Horse').rolling("90d")['Position'].mean().reset_index()

但这会返回一个包含 3 列的数据框，并且仍然索引到 Horse。这里的例子:

0          a b celebration 2011-08-24       3.000000
1          a b celebration 2011-09-15       4.500000
2          a b celebration 2012-05-29       4.000000
3        a beautiful dream 2016-10-21       2.333333
4        a big sky brewing 2008-04-11       2.000000
5        a big sky brewing 2008-07-08       7.500000
6        a big sky brewing 2008-08-11      10.000000
7        a big sky brewing 2008-09-20       9.000000
8        a big sky brewing 2008-12-30       4.333333
9        a big sky brewing 2009-01-21       3.666667
10       a big sky brewing 2009-02-20       3.777778

我需要一个索引与我的原始数据框相同的列。

你能帮我吗？

Answer 1

使用 set_index()将删除原来的索引，所以使用 reset_index()首先将创建一个名为“index”的新列，其中包含您的原始索引。然后在最后插入 reset_index()(它只是创建索引 0、1、2...等)使用 set_index('index')回到原来的

因此，如果您执行以下操作，我认为它会起作用:

df['PositionAv90D'] = df.reset_index().set_index('RaceDate').groupby('Horse').rolling("90d")['Position'].mean().set_index('index')

一个简单的数据样本可以很好地对其进行测试，根据您提供的内容重新创建它有点困难

编辑 1:

由于您正在切换索引，因此拆分起来更容易，请参见下文，我创建了一些示例数据，我认为这些数据与您得到的数据类似:

df = pd.DataFrame({'foo': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   'bar': [1, 1, 1, 2, 2, 2, 3, 3, 3],
                   'baz': [11, 12, 13, 14, 15, 16, 17, 18, 19]},
                  index = [14, 15, 16, 17, 18, 19, 20, 21, 22])

df.reset_index(inplace=True)    # This gives us index 0,1,2... and a new col 'index'
df.set_index('baz', inplace=True)    # Replace with date in yours
# This next bit does the groupby and rolling, which will give a df 
# with a multi index of foo and baz, then reset_index(0) to remove the foo index level
# so that it matches the original df index so that you can add it as a new column
df['roll'] = df.groupby('foo')['bar'].rolling(3).sum().reset_index(0,drop=True)
df.reset_index(inplace=True)    # brings baz back into the df as a column
df.set_index('index', inplace=True)   # sets the index back to the original

这将在原始 df 中为您提供一个带有滚动值的新列。在我的示例中，您将有 NaN对于每组中的前 2 个值，因为窗口仅从 idx = 窗口大小开始。所以在你的情况下，每组的前 89 天将是 NaN .您可能需要添加一个额外的步骤来仅从生成的 DataFrame 中选择过去 30 天