Pandas 按多个实体列分组，并执行滚动平均值和滚动标准差

我有一个“大”的混合数据集。其结构如下所示：

<class 'pandas.core.frame.DataFrame'>
  RangeIndex: 8667486 entries, 0 to 8667485
  Data columns (total 7 columns):
  src         uint16
  dst         uint16
  seq         uint64
  signal      uint8
  noise       uint8
  bitrate     float32
  snr         int16
  dtypes: float32(1), float64(1), int16(1), uint16(2), uint64(1), uint8(2)
  memory usage: 231.4 MB

及

结果是一个多索引数据帧，我不知道如何将其添加到原始数据帧中

---

我假设，为了滚动平均值的正确性，还必须在代码中的某个地方按序列号排序。

如果执行

dfgrouoed.reset_index（）

它将返回一个索引数据帧

df.groupby(['src', 'dst', 'bitrate'])[['snr']].rolling(w_size).mean()

df.groupby(['src', 'dst', 'bitrate'])[['snr']].rolling(w_size).std()