Python 上一次计算的移动平均线的移动平均线

我有一个数据帧，如下所示：

data = pd.DataFrame({'Date':['20191001','20191002','20191003','20191004','20191005','20191006','20191001','20191002','20191003','20191004','20191005','20191006'],'Store':['A','A','A','A','A','A','B','B','B','B','B','B'],'Sale':[1,2,8,6,9,0,4,3,0,2,3,7]})

我想做的是计算每个商店前两天的移动平均值（窗口大小=2），并将该值放入一个新的列中（假设为“MA”），但问题是我希望该窗口覆盖实际销售额和之前计算的MA。下图是说明：

很抱歉，我不得不用图片表达我的问题：|

我知道我必须按门店分组，我可以使用滚动（2），但该方法只能计算一列的移动平均数

我原来的窗口是15，上面只是一个例子

---

非常感谢您的帮助。

如果不为问题编写自定义代码，我想不出一种解决方法，因为您正在使用之前生成步骤的数据。下面的片段就是我想到的。它以线性时间运行，我相信这是你能得到的最好的，大部分在原地运行，只需要一个pd额外的存储。一系列的长度

窗口

，进行最小的复制，只查看每个值一次，并且可以与任意的窗口大小一起使用，这使得它可以直接扩展到你的实际用例

def fill_ma(sales: pd.Series, window: int):
    # "manually" do the first steps on the sales data
    iter_data = sales.iloc[0:window]
    for i in range(window):
        iter_data.iloc[i] = np.mean(iter_data)

    sales.iloc[0:window] = np.nan
    sales.iloc[window:(2 * window)] = iter_data.values
    # loop over the rest of the Series and compute the moving average of MA data
    for i in range(2 * window, sales.shape[0]):
        tmp = np.mean(iter_data)
        iter_data.iloc[i % window] = tmp
        sales.iloc[i] = tmp

    return sales

使用此函数非常简单：

groupby

存储列和

apply

函数如下：

window = 2
data.groupby('Store')['Sale'].apply(lambda x: fill_ma(x, window))

0        NaN
1        NaN
2     1.5000
3     1.7500
4     1.6250
5     1.6875
6        NaN
7        NaN
8     3.5000
9     3.2500
10    3.3750
11    3.3125
Name: Sale, dtype: float64

---

如果您最终在大量的实际数据上使用它，我很想听听它在运行时的表现。干杯

事实上，我的场景已经改变了一点，我必须更改您代码的某些部分。顺便说一句，谢谢。