Python 熊猫-按组/按组扩展+；在整个数据帧（所有列）上展开窗口

我有一个以下结构的数据帧（时间列是实际时间，如果有关系的话）：

我想做的是：

分组依据

Group

对于每个组数据帧：

2.1。在整个数据帧（所有列）上应用扩展窗口

2.2。对于每个“扩展”数据帧

 2.2.1. Filter the 'expanding' dataframe using time1 & time2 columns (e.g. `df[df[time1]<df[time2]]`)
 2.2.2. Perform various aggregations (ideally using `.agg` with `dict` argument, as there are many different aggregations for many columns)

我没有看到在整个数据帧上执行扩展操作的方法。如果可能的话，我可以：

def func（组df，聚合dict）：
对于集合中的列、函数：
agg_dict[col]=[lambda-df:f（df[df[time1]这个问题有点模糊，但我认为你可以做例如
df.loc[df['time1'].lt（df['time2']]].groupby（'group'）.expansing（1）.agg（{'attr1'：[lambda x:x.max（）-x.min（），'sum']，'attr2'：'std'））
，然后重新编制索引以适应原始索引。@Ben.T我不能这样做，我需要在组内进行筛选。因为筛选取决于组？正如@Ben.T建议的那样，在应用
groupby
+
展开后，您可以
reindex
并可能执行
ffill
来填充缺少的值我想这应该行得通。@Ben.T正因为如此。更详细地说，我实际上对每个分组的数据帧都做了类似于
df[df[time1]
的事情。也许我应该编辑这个问题，让它更清楚。这个问题有点模糊，但我认为你可以做例如
df.loc[df['time1'].lt（df['time2']）。groupby（'group'）。扩展（1）.agg（{'attr1'：[lambda x:x.max（）-x.min（），'sum']，'attr2'：'std'}）
，然后重新编制索引以适应原始索引。@Ben.T我不能这样做，我需要在组内进行筛选。因为筛选取决于组？正如@Ben.T建议的那样，在应用
groupby
+
展开后，您可以
reindex
并可能执行
ffill
来填充缺少的值我想这应该行得通。@Ben.T正因为如此。更详细地说，我实际上对每个分组的数据帧执行类似于
df[df[time1]
的操作。也许我应该编辑这个问题以使其更清楚。
 2.2.1. Filter the 'expanding' dataframe using time1 & time2 columns (e.g. `df[df[time1]<df[time2]]`)
 2.2.2. Perform various aggregations (ideally using `.agg` with `dict` argument, as there are many different aggregations for many columns)

def func(group_df, agg_dict):
   group_df_filtered = filter the dataframe on time columns
   return group_df_filtered.agg(agg_dict)

df.groupby(['group', expanding(1)]).apply(func, agg_dict=agg_dict)

def func(group_df, agg_dict):
    for col, funcs in agg_dict:
        agg_dict[col] = [lambda df: f(df[df[time1]<df[time2]]) for f in funcs]

    return group_df.expanding(1).agg(agg_dict)

df.groupby('group').apply(func, agg_dict=agg_dict)