如何在没有保证观测次数的情况下使用Pandas滚动平均值

Question

我正在看年度棒球统计数字，并想要计算一个滚动的平均数，回顾过去3年的表现，在次数方面。然而，我想说明的事实是，虽然我的数据可以追溯到三年多以前，一名球员可能只在联赛中呆了1-2年，而且没有3年的观察值，我可以计算出滚动平均值。例如：

In[6]: df = pd.DataFrame({'PLAYER_ID': ['A', 'A', 'A', 'B', 'B'], 
                          'HITS': [45, 55, 50, 20, 24]})
In[9]: df
Out[9]: 
  PLAYER_ID  HITS
0         A    45
1         A    55
2         A    50
3         B    20
4         B    24

我如何使用组和聚合/转换(或其他一些进程)来计算每个球员的滚动平均值，其最大3年历史值为，然后仅对可用的历史数据不足3年的玩家使用可用的最大历史观测值？

很肯定，我的答案是在潘达斯的一揽子方案，但会感兴趣的任何解决方案。

谢谢!

Answer 1

pd.DataFrame.rolling自动为您处理此问题。使用示例数据，df.groupby('PLAYER_ID').rolling(1).mean()将为您提供：

             HITS PLAYER_ID
PLAYER_ID
A         0  45.0         A
          1  55.0         A
          2  50.0         A
B         3  20.0         B
          4  24.0         B

对于您的例子，我使用的窗口大小仅为1，这意味着我们将每个单独的观察作为自己的平均值。这没什么特别有趣的。对于更多的数据，您可以使用更大的窗口大小:例如，如果您的数据是每周一次，rolling(5)将给您一个大约每月的窗口大小(如果您的数据是每日的，则是rolling(31) )。

在使用这一方法时应注意两个问题：

1. 如果您的数据没有定期抽样(例如，如果数据一次跳过一周或一个月)，则滚动平均值将无法及时对齐。由于这个原因，如果您的数据还没有定期抽样，您通常会想要对其进行重采样。
2. 如果数据包含NaN值，这些值将被传播:包含该NaN的每个窗口也将是NaN。为了防止这种情况发生，你将不得不以某种方式算出那些值。