Python 在熊猫多索引数据帧上使用滚动函数

我在pandas中有一个多索引数据帧，其中索引位于ID和时间戳上。我希望能够计算出每个ID的时间序列滚动和，但我似乎不知道如何在没有循环的情况下完成

content = io.BytesIO("""\
IDs    timestamp     value
0      2010-10-30     1
0      2010-11-30     2
0      2011-11-30     3
1      2000-01-01     300
1      2007-01-01     33
1      2010-01-01     400
2      2000-01-01     11""")
df = pd.read_table(content, header=0, sep='\s+', parse_dates=[1])
df.set_index(['IDs', 'timestamp'], inplace=True)
pd.stats.moments.rolling_sum(df,window=2

这个的输出是：

                value
IDs timestamp
0   2010-10-30    NaN
    2010-11-30      3
    2011-11-30      5
1   2000-01-01    303
    2007-01-01    333
    2010-01-01    433
2   2000-01-01    411

请注意ID 0和1以及1和2在边缘处的重叠（我不希望这样，会弄乱我的计算）。解决这个问题的一种可能方法是在ID上使用groupby，然后循环使用该groupby，然后应用滚动求和

---

我确信有一个函数可以帮助我在不使用循环的情况下做到这一点

首先分组，然后滚动总和（顶级命名空间中也提供了

滚动总和

）

---

似乎pd.rolling\u sum将来会被弃用，因此在此之前，上述答案的更新方法将是：

df.groupby（level='IDs'）.apply（lambda x:x.rolling（window=2.sum（））

updated for pandas>=1.0:

df.groupby（level='IDs'，group\u key=False）。rolling（2.sum（）

In [18]: df.groupby(level='IDs').apply(lambda x: pd.rolling_sum(x,2))
Out[18]: 
                value
IDs timestamp        
0   2010-10-30    NaN
    2010-11-30      3
    2011-11-30      5
1   2000-01-01    NaN
    2007-01-01    333
    2010-01-01    433
2   2000-01-01    NaN