Python 基于日期时间值（缺少日期）在数据框中进行计算，而不使用空日期填充数据框

我有一个类似于下面的数据框，我想计算过去七天

值

列的总和。问题是，不一定每天都有争吵

df = pd.DataFrame({
    'value': [2,3,7,14],
    'date': ['10/20/2005','10/22/2005','10/25/2005','10/27/2005']
})

df['date'] = pd.to_datetime(df['date'])
df
value   date
    2   2005-10-20
    3   2005-10-22
    7   2005-10-25
    14  2005-10-27

我想要的是

 df['value'].sum('Last 7 days')
 26

我发现问题的解决方案总是使用

.asfreq（）

或

.reindex（）

将缺少的日期填入df。不幸的是，这对我来说不是一个选项，因为我有太多的类，每个类都以类似上面的df表示。因此，用丢失的日期填充df将创建成千上万的额外行

---

是否有一种方法可以使用

pd.Timedelta（）

（或类似方法），将缺失的天数视为零？

滚动功能智能地内置于基于日期时间的列的函数中：

df.rolling('7d', on='date').sum()

注意10/27和10/20相隔8天，而不是7天：）

如果你想把它放到另一列：

df['sum'] = df.rolling('7d', on='date').sum()['value']

如果只需要最终值：

df.rolling('7d', on='date').sum()['value'].iloc[-1]

---

你想按周分组还是按过去七天的滚动窗口分组？太好了！非常感谢你！这正是我一直在寻找的。这节省了这么多时间。很高兴它起作用了。如果它确实解决了你的问题，那么考虑未来用户可以更容易地找到他们需要的东西。是否有一个文档，比如“7D”/'1W’/'1M’，熊猫识别为DATEIMIT单元？有一个表在页面上超过30%-40%。搜索“日期偏移”。值得注意的是，它们并不总是在所有环境下都有效。