Python-GroupBy对象的滚动函数

我有一个时间序列对象

分组
，类型为
grouped.sum（）
提供了所需的结果，但我无法使用
groupby
对象获得滚动求和。有没有办法将滚动函数应用于
groupby
对象？例如：

x = range(0, 6)
id = ['a', 'a', 'a', 'b', 'b', 'b']
df = DataFrame(zip(id, x), columns = ['id', 'x'])
df.groupby('id').sum()
id    x
a    3
b   12

然而，我想要的是：

  id  x
0  a  0
1  a  1
2  a  3
3  b  3
4  b  7
5  b  12

我不确定机械原理，但这是可行的。注意，返回的值只是一个ndarray。我认为你可以用这种方式应用任何累积或“滚动”函数，它应该有相同的结果

我用
cumprod
、
cummax
和
cummin
对它进行了测试，它们都返回了一个数据数组。我认为pandas足够聪明，知道这些函数返回一个序列，因此该函数被用作转换而不是聚合

In [35]: df.groupby('id')['x'].cumsum()
Out[35]:
0     0
1     1
2     3
3     3
4     7
5    12

编辑：我觉得奇怪的是，这种语法确实返回了一个系列：

In [54]: df.groupby('id')['x'].transform('cumsum')
Out[54]:
0     0
1     1
2     3
3     3
4     7
5    12
Name: x

累计金额
为了直接回答这个问题，cumsum方法将生成所需的序列：

In [17]: df
Out[17]:
  id  x
0  a  0
1  a  1
2  a  2
3  b  3
4  b  4
5  b  5

In [18]: df.groupby('id').x.cumsum()
Out[18]:
0     0
1     1
2     3
3     3
4     7
5    12
Name: x, dtype: int64

每组的滚动函数
更一般地说，任何滚动函数都可以应用于每个组，如下所示（使用@kekert注释的新的.rolling方法）。请注意，返回类型是一个多索引系列，它不同于以前的（不推荐的）pd.rolling方法

In [10]: df.groupby('id')['x'].rolling(2, min_periods=1).sum()
Out[10]:
id
a   0   0.00
    1   1.00
    2   3.00
b   3   3.00
    4   7.00
    5   9.00
Name: x, dtype: float64

要应用分组滚动功能并以原始数据帧顺序接收结果，应使用转换：

In [16]: df.groupby('id')['x'].transform(lambda s: s.rolling(2, min_periods=1).sum())
Out[16]:
0    0
1    1
2    3
3    3
4    7
5    9
Name: x, dtype: int64


不推荐的方法
以下是现在不推荐使用的pandas.rolling_mean的行为，仅供参考：

In [16]: df.groupby('id')['x'].apply(pd.rolling_mean, 2, min_periods=1)
Out[16]: 
0    0.0
1    0.5
2    1.5
3    3.0
4    3.5
5    4.5

对于遇到这个老问题的谷歌人来说：

关于@kekert对@Garrett使用新

df.groupby('id')['x'].rolling(2).mean()

而不是现在被弃用的

df.groupby('id')['x'].apply(pd.rolling_mean, 2, min_periods=1)

奇怪的是，新的.rolling（）.mean（）方法似乎返回一个多索引序列，首先由组按列索引，然后由索引索引。然而，旧的方法只是返回一个由原始df索引单独索引的序列，这可能没有什么意义，但它非常方便地将该序列作为新列添加到原始数据帧中

因此，我想我已经找到了一个使用新rolling（）方法的解决方案，并且仍然可以使用相同的方法：

df.groupby('id')['x'].rolling(2).mean().reset_index(0,drop=True)

这应该给你一个系列

0    0.0
1    0.5
2    1.5
3    3.0
4    3.5
5    4.5

您可以将其添加为列：

df['x'] = df.groupby('id')['x'].rolling(2).mean().reset_index(0,drop=True)

这是另一种很好地概括并使用pandas方法的方法

它非常有效，而且对于固定窗口（如时间序列）也非常有效

# Import pandas library
import pandas as pd

# Prepare columns
x = range(0, 6)
id = ['a', 'a', 'a', 'b', 'b', 'b']

# Create dataframe from columns above
df = pd.DataFrame({'id':id, 'x':x})

# Calculate rolling sum with infinite window size (i.e. all rows in group) using "expanding"
df['rolling_sum'] = df.groupby('id')['x'].transform(lambda x: x.expanding().sum())

# Output as desired by original poster
print(df)
  id  x  rolling_sum
0  a  0            0
1  a  1            1
2  a  2            3
3  b  3            3
4  b  4            7
5  b  5           12

如果需要将分组滚动函数重新分配回原始数据帧，同时保持顺序和分组，则可以使用
transform
函数

df.sort_values(by='date', inplace=True)
grpd = df.groupby('group_key')
#using center=false to assign values on window's last row
df['val_rolling_7_mean'] = grpd['val'].transform(lambda x: x.rolling(7, center=False).mean())

你到底希望滚动函数在分组对象上如何工作（我的意思是用符号写出你想做的数学）？对不起，我应该说得更清楚。所以你想在每个分组上做一个
cumsum
，然后将整件事缝合回一个数据帧中？是的，理想情况下是cumsum和任何滚动函数（mean，sum，std）.pd.rolling\u-mean现在不推荐用于Series，将被删除，请使用
df.groupby（'id'）['x'].rolling（2）.mean（）
instead我认为您可以使用
.transform
而不是重置\u-index？如果您按多个列进行分组，这实际上会失败。删除第一个参数（levels）可以解决这个问题，因为默认情况下它会删除所有级别。因此，该行变为
df['x']=df.groupby（'id'）['x']].rolling（2）.mean（）.reset_index（drop=True）
如果您的组变量尚未排序，则使用
groupby（…，sort=False）
。当我将这个滚动平均值作为一个新列添加时，我得到了非常奇怪的结果，因为顺序与原始df不匹配。非常有用的信息。a） 他们应该将此添加到他们的b）你能提出一些关于功能更改的错误吗？在他们提出异议之前，他们应该更好地考虑后果。你能详细说明为什么我们应该把<代码>滚动（2）< /代码>，即为什么代码>窗口＝2 < /代码>？是否因为有两组“a”和“b”？您是否有任何证据证明这是“非常有效的”？一般来说，与向量运算（内置的“.sum”、“.rolling”等）相比，使用pandas进行任何类型的迭代（例如“transform”或“apply”）都会对性能造成重大影响。我知道Pandas确实会对迭代循环进行一些预检查，看看它是否可以为您优化它，但一般来说，如果性能是一个问题，则应该避免迭代。很抱歉，我只能给您一票赞成票，我正在考虑创建新帐户，以便为这个答案提供更多的信任。这是唯一一个对我有效的多栏分组，谢谢！酷。这可以应用指数移动平均
q['exponential_ave']=q.groupby（'id'）['x'].transform（lambda x:x.ewm（com=0.2）.mean（））