基于时间的.rolling()在通过分组失败

Question

这是来自Pandas Issue #13966的代码片段

dates = pd.date_range(start='2016-01-01 09:30:00', periods=20, freq='s')
df = pd.DataFrame({'A': [1] * 20 + [2] * 12 + [3] * 8,
                   'B': np.concatenate((dates, dates)),
                   'C': np.arange(40)})

失败：

^{pr2}$

根据上面链接的问题，这似乎是一个bug。有人有好的解决办法吗？在

Answer 1

首先将B设置为索引，以便对其使用Groupby.resample方法。在

df.set_index('B', inplace=True)

GroupbyA并根据秒频率重新采样。由于重采样不能直接用于滚动，请使用ffill（向前fillna，其中NaN限制为0）。 现在使用rolling函数，方法是将窗口大小指定为4（因为freq=4s）间隔，并在C列取平均值，如下所示：

^{pr2}$

获得的结果输出：

B
2016-01-01 09:30:00    NaN
2016-01-01 09:30:01    NaN
2016-01-01 09:30:02    NaN
2016-01-01 09:30:03    1.5
2016-01-01 09:30:04    2.5
2016-01-01 09:30:05    3.5
2016-01-01 09:30:06    4.5
2016-01-01 09:30:07    5.5
2016-01-01 09:30:08    6.5
2016-01-01 09:30:09    7.5
Freq: S, Name: C, dtype: float64
B
2016-01-01 09:30:00     NaN
2016-01-01 09:30:01     NaN
2016-01-01 09:30:02     NaN
2016-01-01 09:30:03    21.5
2016-01-01 09:30:04    22.5
2016-01-01 09:30:05    23.5
2016-01-01 09:30:06    24.5
2016-01-01 09:30:07    25.5
2016-01-01 09:30:08    26.5
2016-01-01 09:30:09    27.5
Freq: S, Name: C, dtype: float64
B
2016-01-01 09:30:12     NaN
2016-01-01 09:30:13     NaN
2016-01-01 09:30:14     NaN
2016-01-01 09:30:15    33.5
2016-01-01 09:30:16    34.5
2016-01-01 09:30:17    35.5
2016-01-01 09:30:18    36.5
2016-01-01 09:30:19    37.5
Freq: S, Name: C, dtype: float64

---

TL；DR

请在适当设置索引后使用^{}作为解决方法：

# tested in version - 0.19.1
df.groupby('A').apply(lambda grp: grp.resample('s').ffill(limit=0).rolling(4)['C'].mean())

（或）

# Tested in OP's version - 0.19.0
df.groupby('A').apply(lambda grp: grp.resample('s').ffill().rolling(4)['C'].mean())

两者都有用。在

Answer 2

>>> df.sort_values('B').set_index('B').groupby('A').rolling('4s').C.mean()