Python - 用於GroupBy對象的滾動函數

Question

我有一個<pandas.core.groupby.SeriesGroupBy object at 0x03F1A9F0>類型的時間系列對象grouped。 grouped.sum()給出了所需的結果，但我無法使rolling_sum與groupby對象一起使用。有沒有辦法將滾動功能應用於groupby對象？例如：

x = range(0, 6) 
id = ['a', 'a', 'a', 'b', 'b', 'b'] 
df = DataFrame(zip(id, x), columns = ['id', 'x']) 
df.groupby('id').sum() 
id x 
a 3 
b 12 

不過，我想有這樣的：

id x 
0 a 0 
1 a 1 
2 a 3 
3 b 3 
4 b 7 
5 b 12 

Answer 1

In [16]: df.groupby('id')['x'].apply(pd.rolling_mean, 2, min_periods=1) 
Out[16]: 
0 0.0 
1 0.5 
2 1.5 
3 3.0 
4 3.5 
5 4.5 

In [17]: df.groupby('id')['x'].cumsum() 
Out[17]: 
0  0 
1  1 
2  3 
3  3 
4  7 
5 12 

Answer 2

我不知道的機制，但這個工程。請注意，返回的值只是一個ndarray。我認爲你可以以這種方式應用任何累積或「滾動」功能，它應該有相同的結果。

我用cumprod,cummax和cummin進行了測試，他們都返回了一個ndarray。我認爲熊貓足夠聰明，知道這些函數會返回一系列的函數，所以函數作爲一種轉換而不是聚合來應用。

In [35]: df.groupby('id')['x'].cumsum() 
Out[35]: 
0  0 
1  1 
2  3 
3  3 
4  7 
5 12 

編輯：我發現它奇怪的是，這個語法確實返回系列：

In [54]: df.groupby('id')['x'].transform('cumsum') 
Out[54]: 
0  0 
1  1 
2  3 
3  3 
4  7 
5 12 
Name: x 

Answer 3

對於誰臨到這個老問題的Google：

關於@ kekert的評論@加勒特的答案使用新的

df.groupby('id')['x'].rolling(2).mean() 

，而不是現在不推薦使用

df.groupby('id')['x'].apply(pd.rolling_mean, 2, min_periods=1) 

奇怪的是，似乎新.rolling（）。意思是（）方法返回一個多索引的系列，由GROUP_BY列索引，然後再索引。而舊的方法只是簡單地返回一個由原始df索引單獨索引的序列，這可能意義不大，但是將該序列作爲新的列添加到原始數據框中非常方便。

所以我想我已經想通了，採用了新的軋（）方法，並仍然是一個解決方案的工作原理相同：

df.groupby('id')['x'].rolling(2).mean().reset_index(0,drop=True) 

這應該給你一系列

0 0.0 
1 0.5 
2 1.5 
3 3.0 
4 3.5 
5 4.5 

你可以添加爲一列：

df['x'] = df.groupby('id')['x'].rolling(2).mean().reset_index(0,drop=True)