跨子集滚动和

Question

我有一个按季度显示感兴趣值( ee )的数据集，以及多个字段，这些字段表示人口中各个子集中ee的数量，具体如下：

test=pd.DataFrame(data={'cyq':['2018Q1']*3+['2018Q2']*3+['2018Q3']*3+['2018Q4']*3,
                   'species':['canine','canine','feline']*4,
                   'group':['a','b','a']*4,
                    'ee':range(12)})

我试图得到季度的ee的滚动和，特定于其他字段的每个唯一子集，在这个例子中是物种，和组。在我的实际数据集中，总共有六个标识字段。

以下内容如下：

test.groupby(['cyq','species','group']).ee.rolling(window=2).sum()

正在生产所有的NaNs。其他解决方案，我已经找到了滚动之和在每个季度，或只在一个识别字段。我的目标是取一个滚动的总和，将犬类a、犬类b和猫a识别为不同的值，并按季度滚动它们的ee值：

​

​

非常感谢你的帮助。我觉得有一个简单的解决方案，但是我在这里发现的这个问题的变化并不适用于我的数据集。

编辑:我拼凑出了以下解决方案，但确定这并不是实现目标的最有效或最高效的方法：

test=pd.DataFrame(data={'cyq':['2018Q1']*3+['2018Q2']*3+['2018Q3']*3+['2018Q4']*3,
                   'species':['canine','canine','feline']*4,
                   'group':['a','b','a']*4,
                    'ee':range(12)})
test['cyq']=test.cyq.apply(lambda x: pd.to_datetime(x))
test=test.groupby(['group','species','cyq']).sum().reset_index(level=2)
test=test.groupby(level=[i for i in range(test.index.nlevels)]).rolling('100D',min_periods=2,on='cyq').sum()
test.droplevel([i for i in range(int(test.index.nlevels/2))]).reset_index()

Answer 1

EDIT2，关于评论，这里有一个可能的解决方案吗？请在您的真实数据上尝试并验证它。

test['cyq']= pd.to_datetime(test['cyq'])
test=test.set_index('cyq').groupby(['species','group']).rolling('100D',min_periods=2).sum()

编辑，根据你在另一个答案上的评论，我想我知道你在搜索什么。错误是你把你不想去的宿舍也包括进去了。

test=pd.DataFrame(data={'cyq':['2018Q1']*3+['2018Q2']*3+['2018Q3']*3+['2018Q4']*3,
                   'species':['canine','canine','feline']*4,
                   'group':['a','b','a']*4,
                    'ee':range(12)})

res = test.groupby(['species', 'group'], as_index = False)['ee'].rolling(window=2).sum().join(test['cyq'])
print(res)

   species group    ee     cyq
0   canine     a   NaN  2018Q1
3   canine     a   3.0  2018Q2
6   canine     a   9.0  2018Q3
9   canine     a  15.0  2018Q4
1   canine     b   NaN  2018Q1
4   canine     b   5.0  2018Q2
7   canine     b  11.0  2018Q3
10  canine     b  17.0  2018Q4
2   feline     a   NaN  2018Q1
5   feline     a   7.0  2018Q2
8   feline     a  13.0  2018Q3
11  feline     a  19.0  2018Q4

您不会得到任何结果，因为在groupby之后提供的示例中，每个组正好是一行。你的滚动窗口是2。看看文档 for pd.rolling，引用min_periods的话。

min_periods：int，默认无 窗口中有一个值所需的最少观察数；否则，结果是np.nan。对于由整数指定的窗口，min_periods将默认为该窗口的大小。

因为您从来没有两个窗口，所以所有值都返回NaN。如果您的实际数据更大，并且每个组都有更多的值，那么您的代码就可以工作了。您可以将min_periods设置为1，以便在至少有一个值的情况下获得返回值。

Answer 2

我不认为你从你的第一段代码中得到了什么，因为在这个分组的基础上，没有任何东西会回来。但是，通过删除分组，我能够非常接近您正在寻找的内容。

test=pd.DataFrame(data={'cyq':['2018Q1']*3+['2018Q2']*3+['2018Q3']*3+['2018Q4']*3,
                   'species':['canine','canine','feline']*4,
                   'group':['a','b','a']*4,
                    'ee':range(12)})
test['ee'] = test['ee'].rolling(window = 2).sum()
test