Python Pandas-具有可变长度滚动窗口的聚合值

以下数据框用作输入：

import pandas as pd
import numpy as np

json_string = '{"datetime":{"0":1528955662000,"1":1528959255000,"2":1528965487000,"3":1528966204000,"4":1528966289000,"5":1528971637000,"6":1528974438000,"7":1528975251000,"8":1528982200000,"9":1528992569000,"10":1528994282000},"hit":{"0":1,"1":0,"2":0,"3":0,"4":0,"5":1,"6":1,"7":0,"8":1,"9":0,"10":1}}'
df = pd.read_json(json_string)

本练习要求您计算每个时刻（

datetime

）的

hit

列的平均值。然而，目前的观察结果不应包括在平均值中。例如，第一个观测值（index=0）得到

np.NaN

，因为除了我们计算平均值的观测值之外，没有其他观测值。由于1/1=1，第二个观察值（索引=1）得到1（不包括第二个观察值的0）。由于（1+0）/2=0.5，第三个观察值（指数=2）得到0.5

我的代码提供了一个正确的答案（在数字方面），但并不优雅。我想知道你能否用不同的东西来完成这个练习。是否可以使用

pandas.api.indexer.variableOffsetWindExer

或

pandas.api.indexer.BaseIndexer

然后使用

get\u window\u bounds（）

方法

我的解决方案：

def add_hr(df):
    """
    Generate a feature `mean_hr` which represents the average hit rate
    at the moment of making the offer (`datetime`).

    Parameters
    ----------
    df : pandas.DataFrame
        The `hit` column must be present. Ascending/descending order in the `datetime`
        column is not assumed.

        hit : int
        datetime : string (format='%Y-%m-%d %H:%M:%S')

    Returns
    ----------
    df_expanded : pandas.DataFrame
        A (deep) copy of the input pandas.DataFrame.
    """

    df_expanded = df.copy(deep=True)

    df_expanded.sort_values(by=['datetime'], ascending=True, inplace=True)

    df_expanded['mean_hr'] = df_expanded['hit'].expanding().mean()

    srs = df_expanded['mean_hr']

    srs = srs[:len(srs)-1]
    srs = pd.concat([pd.Series([np.nan]), srs])
    df_expanded['mean_hr'] = srs.tolist()

    return df_expanded

---

完整免责声明：这是一个月前招聘过程的一部分。招聘现已结束，我无法再提交代码了。

似乎可以通过子类化

BaseIndexer

类来解决此问题：

from pandas.api.indexers import BaseIndexer

class CustomIndexer(BaseIndexer):
    
    def get_window_bounds(self, num_values, min_periods, center, closed):
        
        start = np.zeros(num_values, dtype='int64')
        end = np.arange(0, num_values, dtype='int64')
        
        return start, end  
    
indexer = CustomIndexer(window_size=0)

df_expanded = df.copy(deep=True)

df_expanded = df_expanded.rolling(indexer).mean()

---

一个更简单的版本，你试图实现的是简单地改变指数的扩大意味着如下

df.sort_值（by=['datetime']，inplace=True）
df['mean_hit']=df.expansing（）.mean（）.shift（1）