Python 熊猫如何计算昨天'；s数据并在今天使用它'；什么是数据计算？

这是我的df:ts是时间戳，索引。x1是值

                      x1     
ts      
2017-09-01 17:22:42   7.0    
2017-09-01 17:22:53   11.0   
2017-09-01 17:23:04   9.0    

2017-09-02 17:23:15   15.0   

2017-09-03 17:23:26   13.0   
2017-09-03 17:23:38   19.0   
2017-09-03 17:23:49   13.0   

2017-09-04 17:24:00   15.0   

我想要一列值，等于昨天的平均值+今天的平均值：

                      x1     result
ts      
2017-09-01 17:22:42   7.0     (7+11+9) /3
2017-09-01 17:22:53   11.0    (7+11+9) /3
2017-09-01 17:23:04   9.0     (7+11+9) /3

2017-09-02 17:23:15   15.0    (7+11+9) /3 + 15/1

2017-09-03 17:23:26   13.0    15/1 + (13+19+13)/3
2017-09-03 17:23:38   19.0    15/1 + (13+19+13)/3
2017-09-03 17:23:49   13.0    15/1 + (13+19+13)/3

2017-09-04 17:24:00   15.0    15/1 + (13+19+13)/3

如果没有昨天的数据，则使用0，然后使用

---

<我想，日期<代码> 2017—0902 < /代码>遗漏

df['group']=pd.to_datetime(df.index)
df['group']=df['group'].dt.date
df['meanval']=df.groupby('group').x1.transform('mean')
id1=pd.Series(pd.date_range(df.group.min(),df.group.max(),freq='D')).dt.date.to_frame(name ='group')
idx=pd.concat([df,id1[~id1.group.isin(df.group)]],axis=0).sort_values('group').fillna(0)
idx=idx.drop_duplicates(['group']).rolling(2).sum().fillna(9).set_index('group')
df.meanval=df.group.map(idx.meanval)


df
Out[680]: 
                     x1       group  meanval
ts                                          
2017-09-01 17:22:42   7  2017-09-01      9.0
2017-09-01 17:22:53  11  2017-09-01      9.0
2017-09-01 17:23:04   9  2017-09-01      9.0
2017-09-03 17:23:26  13  2017-09-03     15.0
2017-09-03 17:23:38  19  2017-09-03     15.0
2017-09-03 17:23:49  13  2017-09-03     15.0
2017-09-04 17:24:00  15  2017-09-04     30.0

数据输入：

df
Out[682]: 
                     x1
ts                     
2017-09-01 17:22:42   7
2017-09-01 17:22:53  11
2017-09-01 17:23:04   9
2017-09-03 17:23:26  13
2017-09-03 17:23:38  19
2017-09-03 17:23:49  13
2017-09-04 17:24:00  15

---

请分享您尝试过的代码。您的

09-03

和

09-04

计算结果似乎有误。谢谢您的帮助。我还有一个问题。我是否可以将“昨天的计算”存储在列中，因为它将用于其他计算。

df
Out[682]: 
                     x1
ts                     
2017-09-01 17:22:42   7
2017-09-01 17:22:53  11
2017-09-01 17:23:04   9
2017-09-03 17:23:26  13
2017-09-03 17:23:38  19
2017-09-03 17:23:49  13
2017-09-04 17:24:00  15