我有维护数据(来自csv文件或其他来源(，数据格式如下：
Date Equipment_id sensor_reading failure
2017-01-01 eq_1 1.0 0
2017-01-03 eq_1 0.5 0
2017-01-04 eq_1 1.5 1
2017-01-01 eq_2 Nan Nan
2017-01-02 eq_2 0.3 0
2017-01-03 eq_2 1.0 0
我想在这些数据上应用像插值或滚动窗口这样的变换，我可以用panda来做到这一点。但是，例如，如果我使用df.interpole((，即使数据来自不同的equipment_id，它也会进行插值。可能有一些方法可以避免这种情况，但这似乎很复杂，我可能会错过错误。
我考虑使用for循环来分割数据帧，如下所示：
data_dict = {}
for equipment_id in df[Equipment_id].unique():
data_dict[equipment_id] = df.loc[df['Equipment_id']==equipment_id]
然后在将每个子数据帧转换为numpy数组并将它们连接起来以形成我的训练集之前，对每个子数据框使用df.interpolate((或df.rolling(window_size(.min((等操作。
但我真的不知道幕后是否发生了什么。所以我想知道，让这些子数据帧单独工作是否会导致内存问题或进行更长的计算。我也不知道是否有更干净或更规范的方法来做到这一点。
如果我理解正确，您希望在每个id上单独应用滚动窗口/函数。在这种情况下，groupby((和apply((会有所帮助。
例如，这将为每个id应用一个滚动窗口，该窗口计算3行窗口的总和：
df.groupby(equipment_id).rolling(3).sum()
如果你想插值(注意你不需要传入一个参数(：
df.groupby(equipment_id).apply(pd.interpolate)
你也可以混合这些：
df.groupby(equipment_id).rolling(3).apply(pd.interpolate)