Python 分为3个月的聚合期和转换期

问题

我有一个数据框架，包含许多地区及其各自的销售单位、执行的访问量和每月的平均访问时间。并非所有地区的起始日期都相同

我的桌子看起来像这样：

Region    Month       Visits  Average_minutes  Units_sold
Region_1  2018.01.01  12      2.22             120
Region_1  2018.02.01  10      2.02             108
Region_2  2017.04.01  4       1.8              60
Region_2  2017.05.01  4       1.6              56
Region_2  2017.06.01  3       1.5              58
Region_1  2018.03.01  11      2.1              103
Region_3  2018.04.01  3       2.22             20
Region_3  2018.05.01  2       2                22
Region_2  2017.07.01  6       1.7              61
Region_1  2018.04.01  14      2.1              125
Region_3  2018.06.01  3       2.3              21
Region_3  2018.07.01  3       2.4              19
Region_1  2018.05.01  10      2.12             116
Region_2  2017.08.01  3       2.1              55

Region    Date        Visits  Average_minutes  Units_sold  3M_shift
Region_1  2018.01.01  33      2.11             331         0
Region_1  2018.04.01  24      2.11             241         0
Region_1  2018.02.01  35      2.07             336         1
Region_1  2018.05.01  10      2.12             116         1
Region_1  2018.02.01  35      2.07             336         2
Region_1  2018.05.01  10      2.12             116         2

我想要的是通过向前移动一个月，以3个月的频率汇总不同地区的月度数据

因此，如果我们以区域_1为例，我希望得到的最终结果如下：

Region    Month       Visits  Average_minutes  Units_sold
Region_1  2018.01.01  12      2.22             120
Region_1  2018.02.01  10      2.02             108
Region_2  2017.04.01  4       1.8              60
Region_2  2017.05.01  4       1.6              56
Region_2  2017.06.01  3       1.5              58
Region_1  2018.03.01  11      2.1              103
Region_3  2018.04.01  3       2.22             20
Region_3  2018.05.01  2       2                22
Region_2  2017.07.01  6       1.7              61
Region_1  2018.04.01  14      2.1              125
Region_3  2018.06.01  3       2.3              21
Region_3  2018.07.01  3       2.4              19
Region_1  2018.05.01  10      2.12             116
Region_2  2017.08.01  3       2.1              55

Region    Date        Visits  Average_minutes  Units_sold  3M_shift
Region_1  2018.01.01  33      2.11             331         0
Region_1  2018.04.01  24      2.11             241         0
Region_1  2018.02.01  35      2.07             336         1
Region_1  2018.05.01  10      2.12             116         1
Region_1  2018.02.01  35      2.07             336         2
Region_1  2018.05.01  10      2.12             116         2

如您所见，日期现在包含3个月频率的开始日期，在3M_班次栏中，我看到了与第一个可用月份相比的班次

当然，在上面的表格中，你只能看到区域_1，但我想得到所有组的结果

更多背景

因此，我希望对每个组的数据进行汇总，不仅是业务年度季度的数据，而且是在每个迭代的3个月频率上，向前移动一个月，直到我到达最后一个月

我的代码如下所示，但这将从每个区域的开始日期开始的月份进行分组，我真的不知道如何将开始月份逐月移动并迭代到最后一个月：

grp = joined.groupby(['Region', pd.Grouper(key="Date", freq='3M')]).agg({"Visits":"sum", "Average_minutes":"mean", "Units_sold":"sum"})

以区域_1为例，我得到以下结果：

Region  Date          Visits  Average_minutes  Units_sold
Region_1  2018.01.01  33      2.11             331
Region_1  2018.04.01  24      2.11             241

编辑： 增加了一个更好的可视化我想得到什么

在下面的图片中，你可以明白我的意思。到目前为止，绿色部分就是我所拥有的。我想做一个粉红色的部分循环，但我不知道怎么做

你能帮我得到想要的结果吗

---

提前非常感谢

我不是100%确定你在找什么，但我的解释是，也许这会有帮助

第一个排序区域和月份

df = df.sort_values(['Region', 'Month'])

设置一个多索引

df = df.set_index(['Region', 'Month'])

然后按区域分组，应用滚动窗口进行聚合，并将其向后移动两个时段

df = df.groupby(level='Region').apply(lambda x: x.rolling(window=3).agg({"Visits":"sum", "Average_minutes":"mean", "Units_sold":"sum"}).shift(-2))

结果是：

                     Visits  Average_minutes  Units_sold
Region   Month                                          
Region_1 2018.01.01    33.0         2.113333       331.0
         2018.02.01    35.0         2.073333       336.0
         2018.03.01    35.0         2.106667       344.0
         2018.04.01     NaN              NaN         NaN
         2018.05.01     NaN              NaN         NaN
Region_2 2017.04.01    11.0         1.633333       174.0
         2017.05.01    13.0         1.600000       175.0
         2017.06.01    12.0         1.766667       174.0
         2017.07.01     NaN              NaN         NaN
         2017.08.01     NaN              NaN         NaN
Region_3 2018.04.01     8.0         2.173333        63.0
         2018.05.01     8.0         2.233333        62.0
         2018.06.01     NaN              NaN         NaN
         2018.07.01     NaN              NaN         NaN

---

嗨，跑出去。非常感谢您的评论。不幸的是，你的解决方案不是我想要的。我不能清楚地解释我想得到什么是我的错误。为了更清晰，我在我的原始帖子底部添加了一张图片，以便更好地理解我想要实现的目标。希望这会更容易理解！非常感谢。有人能帮我解决这个问题吗？我想帮你买。我还不太清楚你在找什么。您能否提供一个清晰的示例结果表/数据框架，以便我知道您想要实现什么？例如，在我看来，表中的+3个月轮班与绿色列相同。我不明白。此外，区域1的结果表重复了第5:6行中第3:4行的相同数据，这也令人困惑。如果你能清楚你的预期结果，我们可以再看一看。再次感谢你的意图。所以，你的解决方案是我想要实现的第一步。基本上，您的解决方案基于3个月的窗口聚合数据，然后将其向后移动两个月。这将是我迈出的第一步。我的下一步是删除区域_1的2018.01.01月（好像不存在），然后再次执行相同的（3个窗口，-2个班次）流程。然后，再次删除2018.02.01数据，并再次重复（3个窗口，-2个班次）过程。区域2的情况也一样，仅区域2的起始日期为2017.04.01。因此，基本上我希望进行分组，然后删除第一个数据行并重复整个过程（从第二个月开始，因为我删除了第一个月）。这种方式更容易理解吗？