具有分组依据的拖尾或移动平均值

Question

我想在执行groupby时计算拖尾或移动平均值。在下面的例子中，我展示了一个5日移动平均线。

我的数据看起来像这样：

ID  Date         KG      Volume
1   8/10/2018    1,000   10 
1   8/11/2018    500     6 
1   8/12/2018    750     2 
1   8/13/2018    500     6 
1   8/13/2018    500     6 
1   8/14/2018    1,000   4 
2   8/1/2018     1304    8
2   8/2/2018     626     1
2   8/3/2018     955     3
2   8/8/2018     445     4
2   8/10/2018    1356    11
2   8/13/2018    524     7
2   8/14/2018    331     5

我想按ID和date列分组，然后计算KG/Volume列的尾随5天平均值(从今天的日期开始，将是8/10-8/14)。我需要group by on ID和Date的原因是像ID 1这样的情况，其中日期8/13/18出现了两次。在本例中，我希望8/13/18的ID 1有一个1000 KG的条目用于平均计算(而不是两个500的条目)。

预期输出将类似于：

ID  Avg_KG  Avg_Vol
1   850     7 
2   442.2   4.6

还请注意，ID 2缺少平均计算所需的5天中的2天。ID 2的两个缺失天数在平均值计算中应被计算为0。这就是为什么KG平均值是442.2，而不是ID2的737.

我曾尝试使用.rolling(5).mean()，但在将其与groupby语句结合使用时得到了不正确的结果。

Answer 1

首先，进行一些设置：

df.Date = pd.to_datetime(df.Date)
df.KG = df.KG.str.replace(',', '').astype(int)

现在groupby Date和ID和sum复制天数：

s = df.groupby(['Date', 'ID']).agg({'KG': 'sum', 'Volume': 'sum'}).reset_index(1)

            ID    KG  Volume
Date
2018-08-01   2  1304       8
2018-08-02   2   626       1
2018-08-03   2   955       3
2018-08-08   2   445       4
2018-08-10   1  1000      10
2018-08-10   2  1356      11
2018-08-11   1   500       6
2018-08-12   1   750       2
2018-08-13   1  1000      12
2018-08-13   2   524       7
2018-08-14   1  1000       4
2018-08-14   2   331       5

下一步，为了重新采样以说明“缺失”的天数：

out = s.groupby('ID').resample('1D').asfreq().drop('ID', 1).reset_index(0).fillna(0)

最后，索引过去5天的DataFrame，并使用mean

out.groupby('ID').tail(5).groupby('ID').mean()

        KG  Volume
ID
1.0  850.0     6.8
2.0  442.2     4.6