获取pandas DataFrame中最近N个工作日的均值

Question

假设我的数据是每天的计数，并且它的索引是一个日期时间索引列。有没有办法计算过去n个工作日的平均值？比如说，如果今天是8月15日的星期天，我想要得到（8月8日的星期天，8月1日的星期天，...）这些日期的计数平均值。

我昨天才开始用pandas，所以这是我用蛮力写出来的代码。

# df is a dataframe with an DateTimeIndex
# brute force for count last n weekdays, wherelnwd = last n weekdays
def lnwd(n=1):
    lnwd, tmp = df.shift(7), df.shift(7) # count last weekday
    for i in xrange(n-1):
        tmp = tmp.shift(7)
        lnwd += tmp
    lnwd = lnwd/n  # average
    return lnwd

难道就没有一行代码能搞定吗？有没有办法使用apply()（不需要传递一个带有循环的函数，因为n是可变的）或者某种形式的groupby？比如说，找出每个工作日所有数据的平均值的方法是：

df.groupby(lambda x: x.dayofweek).mean() # mean of each MTWHFSS

Answer 1

在使用Pandas 1.4.1版本时，joris提供的解决方案似乎已经过时了（提示“模块'pandas'没有'rolling_mean'这个属性”）。其实可以用以下方法来实现同样的效果：

s.groupby(s.index.weekday).transform(lambda x: pd.Series.rolling(x, window=n).mean())

Answer 2

我觉得你是在寻找一种滚动计算（在这个例子中是滚动平均值）？你可以查看这个文档：http://pandas.pydata.org/pandas-docs/stable/computation.html#moving-rolling-statistics-moments。不过，如果你想要对每个工作日单独进行计算，可以通过把rolling_mean和用groupby按工作日分组结合起来实现。

这样应该能得到类似下面的结果（假设有一个序列s）：

s.groupby(s.index.weekday).transform(lambda x: pd.rolling_mean(x, window=n))