Python 在当前行日期之前与组的平均值

我有一个熊猫数据框，如下所示

df = pd.DataFrame([['John', '1/1/2017','10'],
                   ['John', '2/2/2017','15'],
                   ['John', '2/2/2017','20'],
                   ['John', '3/3/2017','30'],
                   ['Sue', '1/1/2017','10'],
                   ['Sue', '2/2/2017','15'],
                   ['Sue', '3/2/2017','20'],
                   ['Sue', '3/3/2017','7'],
                   ['Sue', '4/4/2017','20']
                  ],
                   columns=['Customer', 'Deposit_Date','DPD'])

。在下面的屏幕截图中，计算PreviousMean列的最佳方法是什么

该列是该客户的DPD的年迄今平均值。一、 e.包括所有DPD，但不包括与当前存款日期匹配的行。如果不存在以前的记录，则为null或0

屏幕截图：

注意事项：

• 数据按客户名称分组，并按存款日期展开
• 在每个组中，仅使用前几行中的值计算扩展平均值
• 在每个新客户开始时，平均值为0或为空，因为之前没有形成平均值的记录
• 数据框架按客户名称和存款日期订购

---

这里有一种方法可以从平均计算中排除重复天数：

# create helper series which is NaN for repeated days, DPD otherwise
s = df.groupby(['Customer Name', 'Deposit_Date']).cumcount() == 1
df['DPD2'] = np.where(s, np.nan, df['DPD'])

# apply pd.expanding_mean
df['CumMean'] = df.groupby(['Customer Name'])['DPD2'].apply(lambda x: pd.expanding_mean(x))

# drop helper series
df = df.drop('DPD2', 1)

print(df)

  Customer Name Deposit_Date  DPD  CumMean
0          John   01/01/2017   10     10.0
1          John   01/01/2017   10     10.0
2          John   02/02/2017   20     15.0
3          John   03/03/2017   30     20.0
4           Sue   01/01/2017   10     10.0
5           Sue   01/01/2017   10     10.0
6           Sue   02/02/2017   20     15.0
7           Sue   03/03/2017   30     20.0

---

不要分组和扩展平均值，而是根据条件过滤数据帧，并计算

DPD的平均值

：

• Customer

  ==当前行的

  Customer

• 存款日期

  <当前行的

  存款日期

使用

df.apply

对数据帧中的所有行执行此操作：

df['PreviousMean'] = df.apply(
    lambda x: df[(df.Customer == x.Customer) & (df.Deposit_Date < x.Deposit_Date)].DPD.mean(), 
axis=1)

---

好的，这是迄今为止我提出的最好的解决方案
诀窍是首先在customer&deposit date级别创建一个包含移动平均值的聚合表。要计算这意味着您必须先计算总和和计数

s=df.groupby(['Customer Name','Deposit_Date'],as_index=False)[['DPD']].agg(['count','sum'])
s.columns = [' '.join(col) for col in s.columns]
s.reset_index(inplace=True)

s['DPD_CumSum']=s.groupby(['Customer Name'])[['DPD sum']].cumsum()
s['DPD_CumCount']=s.groupby(['Customer Name'])[['DPD count']].cumsum()
s['DPD_CumMean']=s['DPD_CumSum']/ s['DPD_CumCount']
s['DPD_PrevMean']=s.groupby(['Customer Name'])['DPD_CumMean'].shift(1)

df=df.merge(s[['Customer Name','Deposit_Date','DPD_PrevMean']],how='left',on=['Customer Name','Deposit_Date'])

---

谢谢-这并不能实现仅基于当前行之前的日期进行计算的效果，尽管前两行应该显示0或null。不过，我会仔细研究一下，看看它是否能让我有所收获。@user1761806，当然，我可能不完全理解你的问题。您可能需要为每个组包含DPD=0行，才能使其按您的需要工作。是的，我是这样做的。在我的例子中，10=平均值（10,10）和13.3=平均值（10,10,20）第三个假设是不正确的，但我选择了一个坏例子是错误的。零只是一个新客户的开始，反映了一个事实，即没有以前的记录来形成平均值。或者，它们可以为空。@user1761806，请更新您的示例数据和预期输出，因为还不清楚您试图实现什么。存款日期是否在新客户记录的开始处？如果没有，那么我认为，

df['YTD\u DPD\u Mean']=df.groupby（['Customer Name']）.apply（lambda x:x.shift（）.expansing（）.Mean（））

就是您所需要的一切，您已经按照要求进行了更新。我现在仍在做这件事，并在尝试其他东西。@user1761806，请用文本替换屏幕截图。请参阅此链接了解如何询问“确定”。我已按照链接中的建议，并提供了熊猫代码来生成玩具数据集。仅从链接重新发布答案：

s=df.groupby(['Customer Name','Deposit_Date'],as_index=False)[['DPD']].agg(['count','sum'])
s.columns = [' '.join(col) for col in s.columns]
s.reset_index(inplace=True)

s['DPD_CumSum']=s.groupby(['Customer Name'])[['DPD sum']].cumsum()
s['DPD_CumCount']=s.groupby(['Customer Name'])[['DPD count']].cumsum()
s['DPD_CumMean']=s['DPD_CumSum']/ s['DPD_CumCount']
s['DPD_PrevMean']=s.groupby(['Customer Name'])['DPD_CumMean'].shift(1)

df=df.merge(s[['Customer Name','Deposit_Date','DPD_PrevMean']],how='left',on=['Customer Name','Deposit_Date'])