Pandas从具有偏移量的组中获取最后n个值。

Question

我有数据帧（pandas，python3.5）和日期作为索引。 electricity_use是我应该预测的标签。
e、 g

          City Country  electricity_use
DATE                                   
7/1/2014     X       A             1.02
7/1/2014     Y       A             0.25
7/2/2014     X       A             1.21
7/2/2014     Y       A             0.27
7/3/2014     X       A             1.25
7/3/2014     Y       A             0.20
7/4/2014     X       A             0.97
7/4/2014     Y       A             0.43
7/5/2014     X       A             0.54
7/5/2014     Y       A             0.45
7/6/2014     X       A             1.33
7/6/2014     Y       A             0.55
7/7/2014     X       A             2.01
7/7/2014     Y       A             0.21
7/8/2014     X       A             1.11
7/8/2014     Y       A             0.34
7/9/2014     X       A             1.35
7/9/2014     Y       A             0.18
7/10/2014    X       A             1.22
7/10/2014    Y       A             0.27

当然，数据更大。
我的目标是为每一行创建组（'City' 'country'）上的最后3electricity_use，间隔为5天（即从5天开始取最后3个值）。日期可以是非连续的，但它们是有序的。
例如，对于最后两行，结果应该是：

^{pr2}$

因为日期是7/10/2014，而间隔是5 days，所以我们从7/5/2014开始，这些是从这个日期到每个组的最后3个值（在本例中，组是(X,A)和{}。在

我在中实现了一个循环，该循环遍历每个组，但我觉得可以用更有效的方式来完成。在

Answer 1

一种简单的方法是重新建立数据帧的索引并迭代地合并n次

from datetime import datetime,timedelta

# make sure index is in datetime format
df['index'] = df.index
df1 = df.copy()

for i in range(3):
    df1['index'] = df['index'] - timedelta(5+i)
    df = df1.merge(df,left_on=['City','Country','date'],right_on=['City','Country','date'],how='left',suffixes=('','_'+str(i)))

一种更快的方法是使用shift-by并删除伪值

^{pr2}$