计算组之间的移动平均值以及连续的某些组之间的平滑

Question

很抱歉，如果标题令人困惑，我会尽力解释这个问题。我这里有一个示例数据集： Ex.1

Segment Reach   OutSeg  Elevation
1   1   3   50
1   2   3   74
1   3   3   87
1   4   3   53
1   5   3   97
2   1   3   16
2   2   3   14
2   3   3   31
2   4   3   35
2   5   3   27
3   1   4   193
3   2   4   176
3   3   4   158
3   4   4   154
4   1   6   21
4   2   6   45
4   3   6   42
4   4   6   22
4   5   6   22
5   1   6   10
5   2   6   21
5   3   6   14
5   4   6   16

但是，我想按照其到达的顺序计算每个段编号的高程的移动平均值（窗口为3），如果段有一个OutSeg值，我希望每个段末尾的移动平均值使用其参考段（OutSeg）开始处的高程值。例如，在第1段达到5（1,5）时，我希望移动平均值考虑（1,4）、（1,5）和（3,1）处的值

我相信可能需要某种形式的for循环……我尝试了以下代码，但它只计算各组内的移动平均数：

df[“moving”]=df.groupby（“Segment”）[“Elevation”].transform（lambda x:x.rolling（3,1）df["moving"] = df.groupby("Segment")["Elevation"].transform(lambda x: x.rolling(3,1)

提前谢谢

Answer 1

我无法想象一种完全矢量化的方式，因此我将使用groupby onSegment应用特定函数。该函数将从OutSeg子数据帧中添加第一行（如果有），计算滚动平均值并仅返回原始行

代码可以是：

df = df.sort_values(['Segment', 'Reach'])  # ensure correct order

def tx(dg):
    seg = dg['Segment'].iat[0]
    outseg = dg['OutSeg'].iat[0]
    x = pd.concat([dg, df[df['Segment'] == outseg].head(1)])
    y = x['Elevation'].rolling(3, 1, center=True).mean()
    return(y[x['Segment'] == seg])

df['Mean3'] = df.groupby('Segment', as_index=False, group_keys=False).apply(tx)

print(df)

它给出：

    Segment  Reach  OutSeg  Elevation       Mean3
0         1      1       3         50   62.000000
1         1      2       3         74   70.333333
2         1      3       3         87   71.333333
3         1      4       3         53   79.000000
4         1      5       3         97  114.333333
5         2      1       3         16   15.000000
6         2      2       3         14   20.333333
7         2      3       3         31   26.666667
8         2      4       3         35   31.000000
9         2      5       3         27   85.000000
10        3      1       4        193  184.500000
11        3      2       4        176  175.666667
12        3      3       4        158  162.666667
13        3      4       4        154  111.000000
14        4      1       6         21   33.000000
15        4      2       6         45   36.000000
16        4      3       6         42   36.333333
17        4      4       6         22   28.666667
18        4      5       6         22   22.000000
19        5      1       6         10   15.500000
20        5      2       6         21   15.000000
21        5      3       6         14   17.000000
22        5      4       6         16   15.000000