熊猫如何计算基于时间窗的聚合均值?

Question

对于这个问题，我想计算具有3年时间窗口的特定成员的平均值。例如以下数据帧:

tbody> <<tr>11122

member_id	特征1	特征2	特征3	日期
1	0.1	0.5	0.2	1/2/20
	0.2	0.3	0.3	1/2/18
	0.3	0.2	0.2	1/2/16
	0.1	0.2	0.1	1/4/17
	0.4	0.1	0.4	1/2/18
	0.5	0.1	0.2	1/2/15

按如下步骤进行:

1. 定义一个函数来获取特定行的平均特征当前组，所需时间段:

   def getRowMeans(row, grp):
   dTo = row.Date
   return grp[grp.Date.between(dTo - pd.DateOffset(years=3), dTo)]
   .loc[:, 'Feature 1' : 'Feature 3'].mean()
   

   思路是:

   • 当前对象是行，来自一组行(对于某些member_id,
   • 对于整个集团以下的操作也必须是已知的;所以它是这个函数的另一个参数(grp)，
   • fromgrp从日期获取之前3年的行当前行(包括此日期)，
   • 从这些行中获取所有3特征列并返回它们的平均值。

2. 定义一个函数，为每组行调用(对于某些member_id)，返回包含所有Feature列的该组的副本替换为它们的方法(由getRowMeans生成):

   def FeaturesToMeans(grp):
   means = grp.apply(getRowMeans, axis=1, grp=grp)
   rv = grp.copy()
   rv.update(means)
   return rv
   

   第一步是计算特征均值。

   为了不改变原组，对象必须是finally返回的(rv)必须创建为副本

   然后用刚刚计算的means更新。但是请注意update在的位置操作并且不返回任何值结果。

   返回的对象是更新后的组。

3. 生成实际结果，作为一个新的DataFrame:

   result = df.groupby('member_id', group_keys=False).apply(FeaturesToMeans)
   

对于您的示例数据，结果为:

member_id  Feature 1  Feature 2  Feature 3       Date
0          1   0.133333   0.333333       0.20 2020-01-02
1          1   0.200000   0.233333       0.20 2018-01-02
2          1   0.300000   0.200000       0.20 2016-01-02
3          1   0.200000   0.200000       0.15 2017-01-04
4          2   0.450000   0.100000       0.30 2018-01-02
5          2   0.500000   0.100000       0.20 2015-01-02