Python 对分组对象应用累积平均函数

我有一个数据帧

df

，其中每条记录代表一场足球比赛。团队将出现不止一次。我需要为每个团队的得分计算某种滚动平均值（好吧，不完全是滚动平均值）

我需要计算的是每支球队（主客场）的平均得分

为了简洁起见，让我们只做“主页”专栏：

grouped = df.groupby('home')
grouped = grouped.sort_index(by='date') # rows inside groups must be in asc order

这导致：

    date    home    away    score_h     score_a
home                        
Arsenal     167     2013-09-03  Arsenal     Everton     0   2
            164     2013-09-05  Arsenal     Swansea     5   1
            163     2013-09-18  Arsenal     Swansea     0   0
Fulham      166     2013-09-01  Fulham      Chelsea     0   0
            165     2013-09-06  Fulham      Norwich     0   1

问题从这里开始

现在，我需要计算团队的“滚动平均值”。让我们为名为

Arsenal

的小组手工操作。在这篇文章的结尾，我们应该有两个额外的专栏，我们称它们为：

rmean_h

和

rmean_a

。组中的第一个记录（

167

）得分为

0

和

2

。其中的

rmean

分别是

0

和

2

。对于组中的第二个记录（

164

），rmeans将是

（0+5）/2=2.5

和

（2+1）/2=1.5

，对于第三个记录，

（0+5+0）/3=1.66

和

（2+1+0）/3=1

我们的数据帧现在应该如下所示：

                    date       home         away    score_h score_a rmean_h rmean_a
home                        
Arsenal     167     2013-09-03  Arsenal     Everton     0  2    0       2
            164     2013-09-05  Arsenal     Swansea     5  1    2.5     1.5
            163     2013-09-18  Arsenal     Swansea     0  0    1.66    1
Fulham      166     2013-09-01  Fulham      Chelsea     0  0
            165     2013-09-06  Fulham      Norwich     0  1

---

我想对我的数据进行这些计算，您有什么建议吗？

您可以对每组应用

扩展的意思（请参见）：

grouped = df.sort(columns='date').groupby('home')
grouped['score_h'].apply(pd.expanding_mean)

如果您希望得到问题中的结果，则需要将
home
设置为索引（groupby不会为您这样做）。例如，
df=df.set_index（'home'，drop=False，append=True）。重新排序_级别（[1,0]）。排序_index（）
不需要lambda；你可以直接
.apply（pd.expansing\u mean）
。@DSM啊，是的。谢谢我修改了我的答案。
grouped = df.sort(columns='date').groupby('home')
grouped['score_h'].apply(pd.expanding_mean)