基于时间和组的滚动条件和 在Python/Pandas中，我有一项显然很难完成的任务。

我有这样一个数据帧：

| DATETIME | PRODUCT | AMOUNT |

我需要为每种产品（我有两种以上的产品）生成最后一列，其中包含过去5分钟内（比如说售出产品）的累计金额。请参见以下示例：

| DATETIME              | PRODUCT | AMOUNT | CUM SUM        |
| 2020-01-01 17:10:00   | A       | 20     | 20 -> 20       |
| 2020-01-01 17:12:00   | B       | 30     | 30 -> 30       |
| 2020-01-01 17:13:00   | A       | 10     | 20+10 -> 30    |
| 2020-01-01 17:13:00   | A       | 15     | 20+10+15 -> 45 |
| 2020-01-01 17:16:00   | B       | 10     | 30+10 -> 40    |
| 2020-01-01 17:17:00   | A       | 15     | 10+15+15 -> 40 |
| 2020-01-01 17:20:00   | B       | 20     | 10+20 -> 30    |
| 2020-01-01 17:20:00   | B       | 10     | 10+20+10 -> 40 |
| 2020-01-01 17:25:00   | A       | 10     | 10 -> 10       |

请注意，couples（datetime，product）可能不是唯一的，但是我仍然必须基于数据帧索引来保持订单

我试过：

滚动功能：但不幸的是，我没有固定的窗口大小，也没有唯一的耦合（datetime、product），所以我不能使用datetime作为索引，然后使用

.Rolling（'5分钟'）

Groupby（product）.cumsum（）

：但我无法将总和限制在最后几分钟

可能，我需要一些平滑的，性能水平不太差的东西，以应用于一个相当大的df

你有什么提示吗

提前感谢。

您可以使用，按时间窗口（5分钟=='5T'）和：

我正在添加确切的步骤，看看您是否能找到df的任何差异：

>>> from io import StringIO
>>> df = pd.read_csv(StringIO("""
DATETIME               PRODUCT  AMOUNT
2020-01-01 17:10:00    A        20
2020-01-01 17:12:00    B        30
2020-01-01 17:13:00    A        10
2020-01-01 17:13:00    A        15
2020-01-01 17:16:00    B        10
2020-01-01 17:17:00    A        15
2020-01-01 17:20:00    B        20
2020-01-01 17:20:00    B        10
2020-01-01 17:25:00    A        10"""), sep=r'\s\s+')
>>> df['DATETIME'] = pd.to_datetime(df['DATETIME'])
>>> df

             DATETIME PRODUCT  AMOUNT
0 2020-01-01 17:10:00       A      20
1 2020-01-01 17:12:00       B      30
2 2020-01-01 17:13:00       A      10
3 2020-01-01 17:13:00       A      15
4 2020-01-01 17:16:00       B      10
5 2020-01-01 17:17:00       A      15
6 2020-01-01 17:20:00       B      20
7 2020-01-01 17:20:00       B      10
8 2020-01-01 17:25:00       A      10

>>> df['CUM SUM'] = (df.set_index('DATETIME')
                       .groupby('PRODUCT')
                       .apply(lambda x: x.rolling('5T').sum()
                     ).values)

>>> df

             DATETIME PRODUCT  AMOUNT  CUM SUM
0 2020-01-01 17:10:00       A      20     20.0
1 2020-01-01 17:12:00       B      30     30.0
2 2020-01-01 17:13:00       A      10     30.0
3 2020-01-01 17:13:00       A      15     45.0
4 2020-01-01 17:16:00       B      10     40.0
5 2020-01-01 17:17:00       A      15     40.0
6 2020-01-01 17:20:00       B      20     30.0
7 2020-01-01 17:20:00       B      10     40.0
8 2020-01-01 17:25:00       A      10     10.0

我注意到我错过了值后面的右括号，已修复

编辑

这适用于熊猫1.2.0，也适用于熊猫1.0.5：

>>> df['CUM SUM'] = (df.set_index('DATETIME')
                       .groupby('AMOUNT')
                       .apply(lambda x: x.rolling('5T').sum().reset_index(drop=True))
                       .values)

---

你能不能先重新采样（5分钟）然后滚动？@DanailPetrov谢谢，但我需要一个移动窗口，而不是固定的时间步长。我想这非常接近我需要的，但会出现“ValueError:无法从重复轴重新编制索引”我想在原始数据框中，您的索引已经设置为

DATETIME

，在这种情况下，您不需要结尾处的

.values

部分，也不需要

.set\u index（'DATETIME'）

部分。不，

DATETIME

只是一列。我还尝试了我的示例dataframe，但出现了相同的错误（推断

.values

之前的括号），您是否只尝试运行右侧？我的意思是不给数据框赋值？如果是，这是否也会产生错误？最后一个（对于

1.0.5

）与行不正确匹配，因为右侧是按

PRODUCT

分组的，并且在重置索引后仍保持分组状态。无论如何，在更新到

1.2.0

之后，您提出的第一个建议似乎终于奏效了！非常感谢。

>>> df['CUM SUM'] = (df.set_index('DATETIME')
                       .groupby('AMOUNT')
                       .apply(lambda x: x.rolling('5T').sum().reset_index(drop=True))
                       .values)