在多个列上使用GroupBy创建新的滚动平均值列

2024-05-04 08:57:40 发布

您现在位置:Python中文网/ 问答频道 /正文

我有一个有11列的数据框架,其中date是一个索引。我正在尝试创建一个新列,其滚动平均值为total。但是,我得到了一个错误:TypeError:插入列的索引与框架索引不兼容

import pandas as pd

df = pd.DataFrame({
    'date':['2016-04-01','2016-05-01','2016-07-01','2016-08-01','2016-09-01',  '2019-04-01','2019-05-01','2019-06-01','2019-08-01','2019-09-01'],
    'Country':['USA', 'USA', 'USA', 'USA', 'USA','USA', 'USA', 'USA', 'USA', 'USA'],
    'Region':['Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern','Eastern'],
    'State':['New York','New York','New York','New York','New York','New York','New York','New York','New York','New York'],
    'Supplier':['ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC','ABC'],
    'Location':['Bin-1', 'Bin-1', 'Bin-1', 'Bin-1', 'Bin-1','Bin-1', 'Bin-1', 'Bin-1', 'Bin-1', 'Bin-1'],
    'Year':[2016,2016,2016,2016,2016,2019,2019,2019,2019,2019],
    'Month':[4,5,7,8,9,4,5,6,8,9],
    'periodcode':[4,5,7,8,9,4,5,6,8,9],
    'Product':['bike','bike','bike','bike','bike','bike','bike','bike','bike','bike'],
    'total':[0,2000,1000,4000,0,2000,2000,1000,4000,600]})
df.set_index('date', inplace=True)

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True)
df.head(10)

但是,当我将year列包括到groupby时,即

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product','Year'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True) 

我计算了滚动平均值。问题是,我希望分组排除Year

有什么想法吗


Tags: dfnewdateindexbinasmeancountry
1条回答
网友
1楼 · 发布于 2024-05-04 08:57:40

由于根据我们在下面评论中的讨论,您希望计算各年内每组的滚动平均数,因此以下内容应能为您提供所需的结果:

df['mean'] = df.groupby(['Country','Region','State','Supplier','Location','Product'])['total'].rolling(3).mean().reset_index().set_index("date")['total']

关键是保持date索引(它允许您将计算出的滚动平均值与原始数据帧中的一行相匹配),并提取Series列上滚动平均值计算返回的total对象

更详细的解释:

您的问题是没有Yeargroupby会导致DataFramedf不兼容,因此无法分配给df["mean"]

第一个变量给出了Series开关匹配索引:

df.groupby(['Country','Region','State','Supplier','Location','Product','Year'], as_index=False)['total'].rolling(3).mean().reset_index(level=0,drop=True)

date
2016-04-01            NaN
2016-05-01            NaN
2016-07-01    1000.000000
2016-08-01    2333.333333
2016-09-01    1666.666667
2019-04-01            NaN
2019-05-01            NaN
2019-06-01    1666.666667
2019-08-01    2333.333333
2019-09-01    1866.666667
Name: total, dtype: float64

但是,第二个变量(不带Year)导致DataFrame,其中date列中的每个条目都成为自己的列。因此,您不能将其分配给df["mean"]

这个问题的解决方案实际上取决于您试图解决的问题。但是,从概念上讲,如果将date作为索引,则在分配给df["mean"]Series中,每个date只能有一个值

相关问题 更多 >