按组在日期范围内高效滚动聚合-Python 2.7 Windows-pandas 0.19.2

我试图找到一种有效的方法，在给定分组和日期范围的情况下生成滚动计数或总和。最终，我希望能够添加条件，即评估“类型”字段，但我还没有做到这一点。我写了一些东西来完成这项工作，但我觉得可以有一种更直接的方式来达到预期的结果

我的pandas数据框目前看起来是这样的，期望的输出放在最后一列“rolling_sales_180”中

    name       date  amount  rolling_sales_180
0  David 2015-01-01     100              100.0
1  David 2015-01-05     500              600.0
2  David 2015-05-30      50              650.0
3  David 2015-07-25      50              100.0
4   Ryan 2014-01-04     100              100.0
5   Ryan 2015-01-19     500              500.0
6   Ryan 2016-03-31      50               50.0
7    Joe 2015-07-01     100              100.0
8    Joe 2015-09-09     500              600.0
9    Joe 2015-10-15      50              650.0

我当前的解决方案和环境可以在下面找到。我一直在根据stackoverflow中的R Q&A对我的解决方案进行建模

将熊猫作为pd导入
将numpy作为np导入
def trans_date_to_dist_矩阵（日期列）：#用于创建距离矩阵
x=日期_col.tolist（）
y=日期_col.tolist（）
数据=[]
对于x中的i：
tmp=[]
对于y中的j：
附加tmp（绝对值（（i-j.天））
data.append（tmp）
德尔tmp
返回pd.DataFrame（数据=数据，索引=日期列值，列=日期列值）
def lower_tri（x_col，date_col，win）：#x_col=列用户希望滚动求和，date_col=日期，win=时间窗口
dm=传输日期到距离矩阵（日期列=日期列）#dm=距离矩阵
dm=dm。其中（dm=0.0]=1.0#清除较低的tri，以便我们可以对评估当天发生的事件求和
lt=lt.fillna（0）#将NaN替换为0进行乘法运算
返回pd.DataFrame（x_col.values*lt.values）.sum（axis=1）.tolist（）
def展平（x）：
尝试：
n=[v代表sl，x代表sl中的v]
返回[v代表sl，n代表sl中的v]
除：
返回[v代表sl，x代表sl中的v]
数据=[
[David'，1/1/2015'，100]，[David'，1/5/2015'，500]，[David'，5/30/2015'，50]，[David'，7/25/2015'，50]，
['Ryan'，'2014年4月1日'，100]，'Ryan'，'2015年1月19日'，500]，'Ryan'，'2016年3月31日'，50]，
[Joe'，7/1/2015'，100]，“Joe”，“9/9/2015'，500]，“Joe”，“10/15/2015'，50]
]
列表的值=[]
日期\u df=pd.DataFrame（数据=数据，列=['name'，'date'，'amount']，索引=无）
dates_df['date']=pd.to_datetime（dates_df['date']）
附加（日期为groupby（'name'，因为索引=False）。应用(
lambda x:lower_tri（x_col=x.amount，date_col=x.date，win=180）））
新数据=展平（VAL列表）
日期_df['rolling_sales_180']=新的_数据
打印日期

感谢您的时间和反馈。

Pandas支持通过该方法，因此您可以使用该方法，而不是从头开始编写自己的解决方案：

def get_rolling_amount(grp, freq):
    return grp.rolling(freq, on='date')['amount'].sum()

df['rolling_sales_180'] = df.groupby('name', as_index=False, group_keys=False) \
                            .apply(get_rolling_amount, '180D')

结果输出：

    name       date  amount  rolling_sales_180
0  David 2015-01-01     100              100.0
1  David 2015-01-05     500              600.0
2  David 2015-05-30      50              650.0
3  David 2015-07-25      50              100.0
4   Ryan 2014-01-04     100              100.0
5   Ryan 2015-01-19     500              500.0
6   Ryan 2016-03-31      50               50.0
7    Joe 2015-07-01     100              100.0
8    Joe 2015-09-09     500              600.0
9    Joe 2015-10-15      50              650.0

---

你确定“rolling_sales_180”的样本输出是正确的吗？该列应该是180个滚动总和，对吗？Ryan的所有日期都相隔一年多，但它们仍然在求和？而Joe的所有日期都在180天之内，并且没有求和？你是否以某种方式切换了这两个日期？@root-我可能转换不正确-我很抱歉。不用担心，只是确保我对问题的理解是正确的。@JohnE-我做了一些与groupby和rolling相关的研究，但一切似乎都与偶数序列的时间序列数据有关。我没有看到任何类似于下面建议的解决方案。Ryan的Rollins\u sales\u 180值应该是100、500和50。这是这是一个很好的解决方案。感谢您对时间感知滚动的了解。我过去使用过滚动方法，但从未使用过这种方法。在应用函数内部进行变异实际上是非惯用的。您还可以使用更直接的语法：将默认参数指定为。groupby有点困难distracting@Jeff：我尝试使用直接方法：

df.groupby（'name'）.rolling（'180D'，on='date'）['amount'].sum（）

但是得到一个错误

ValueError:date必须是单调的

。这是预期的吗？还是我的语法错误？我意识到日期作为一个整体不是单调的，但在每个组中都是。首先按日期排序似乎没有帮助。

    name       date  amount  rolling_sales_180
0  David 2015-01-01     100              100.0
1  David 2015-01-05     500              600.0
2  David 2015-05-30      50              650.0
3  David 2015-07-25      50              100.0
4   Ryan 2014-01-04     100              100.0
5   Ryan 2015-01-19     500              500.0
6   Ryan 2016-03-31      50               50.0
7    Joe 2015-07-01     100              100.0
8    Joe 2015-09-09     500              600.0
9    Joe 2015-10-15      50              650.0