Python 如何根据周数据计算月SMA？

我有一个

数据框

，包含

100个键（第1列）

和

6个月

数据（从1月到6月，列格式为

2019年1月到2019年1月到2019年1月、2019年1月到2019年1月到6月等）

。议程是

使用过去6个月的简单移动平均值预测未来3个月（从7月到9月）

。例如，对于7月1日的预测，移动

平均值应使用
2019年1月1日、2019年2月1日、2019年3月1日、2019年4月1日、2019年5月1日和2019年6月1日进行计算。
问题是如何有效且快速地计算此操作？
目前我使用的For循环占用了大量的时间

我已经尝试过使用for循环，但它占用了大量的时间

counter=1
for keyIndex in range(0,len(finalForecastingData)):
    print(keyIndex)
    for forcastingMonthsIndex in range(31,columns):
        finalForecastingData.iloc[keyIndex,forcastingMonthsIndex] = finalForecastingData.iloc[keyIndex,counter]+finalForecastingData.iloc[keyIndex,counter+5]+finalForecastingData.iloc[keyIndex,counter+10]+finalForecastingData.iloc[keyIndex,counter+15]+finalForecastingData.iloc[keyIndex,counter+20]
        counter = counter+1
    counter=1

欢迎来到stackoverflow

使用pandas
.rolling（'60d'）.mean（）
可以很容易地得到滚动平均值。为此，您需要使用
pd.to\u Datetime（）
将时间数据转换为
Datetime
格式，并使用
set\u index（）
将其设置为索引

你也应该退房。给出示例数据真的很有帮助。使用样例数据框，给你具体的代码要容易得多，而不是看方向。
但是滚动不会考虑中间值，对吗？我的意思是计算第31列的7月1日的SMA……我们必须将1月1日与2月、3月、4月、5月和6月1日相加，它们位于位置1、5、10、15、20、25……它们不是连续使用滚动的……如果我理解正确，您需要将日期分为月和周数，
groupby（'weeknumber'））
应该完成这项工作。但是，请创建一个示例数据框和所需的输出。要预测的产品：-ABC香波。应使用最近2个月的SMA进行预测。预测将在3月份第1周完成。给出了2个月（1月和2月）的数据，但数据采用的是周格式，如2019年1月1日、2019年1月2日2019年1月3日、2019年1月4日2019年2月1日、2019年2月2日、2019年2月3日、2019年2月4日（考虑这些是excel中的列），目标是找到2019年3月1日和2019年2月1日的平均值。我不能使用滚动功能，因为2019年1月1日和2019年2月1日之间还有其他周的信息。