从时间序列生成滚动平均值，但基于月份进行子选择

Question

我有很长的时间序列的每周数据。对于一个给定的观察，我想计算一周的值与前三年同一个月的平均值的对比

具体示例：对于2019-02-15数据点，我想将其与所有2018年2月、2017年2月和2016年2月数据点的平均值进行比较

我想用这种方式填充整个时间序列(头三年当然是np.nans）

我做了一个非常粗略的单数据点计算的例子，我想做，但我不知道如何实现在一个矢量化的解决方案这一点。我也没有印象，我不得不使用这个中间助手表“mthèu avg”

import pandas as pd
ix = pd.date_range(freq='W-FRI',start="20100101", end='20190301' )
df  = pd.DataFrame({"foo": [x for x in range(len(ix))]}, index=ix) #weekly data
mth_avg = df.resample("M").mean() #data as a monthly average over time
mth_avg['month_hack'] = mth_avg.index.month

#average of previous three years' same-month averages
df['avg_prev_3_year_same-month'] = "?"

#single arbitrary example of my intention
df.loc['2019-02-15', "avg_prev_3_year_same-month"]= (
    mth_avg[mth_avg.month_hack==2]
                    .loc[:'2019-02-15']
                    .iloc[-3:]
                    .loc[:,'foo']
                    .mean() 
                    )


df[-5:]

Answer 1

我认为这实际上是一个不寻常的问题-我知道没有任何现有的功能。制作助手表可以节省计算时间，实际上我使用了两个。我的解决方案使用循环（即列表理解）和时间感知来避免month_hack。否则我认为这是一个好的开始。很高兴看到更优雅的东西

# your code
ix = pd.date_range(freq='W-FRI',start="20100101", end='20190301' )
df  = pd.DataFrame({"foo": [x for x in range(len(ix))]}, index=ix)
mth_avg = df.resample("M").mean()

# use multi-index of month/year with month first
mth_avg.index = [mth_avg.index.month, mth_avg.index.year]
tmp = mth_avg.sort_index().groupby(level=0).rolling(3).foo.mean()
tmp.index = tmp.index.droplevel(0)

# get rolling value from tmp
res = [tmp.xs((i.month, i.year - 1)) for i in df[df.index > '2010-12-31'].index]

# NaNs for 2010
df['avg_prev_3_year_same-month'] = np.NaN
df.loc[df.index > '2010-12-31', 'avg_prev_3_year_same-month'] = res

# output
df.sort_index(ascending=False).head()

            foo     avg_prev_3_year_same-month
2019-03-01  478     375.833333
2019-02-22  477     371.500000
2019-02-15  476     371.500000
2019-02-08  475     371.500000
2019-02-01  474     371.500000