为什么在rolling多索引DataFrame 时不能使用偏移量？例如，使用：
rng = pd.date_range('2017-01-03', periods=20, freq='8D')
i = pd.MultiIndex.from_product([['A','B','C'], rng], names=['Name','Date'])
df = pd.DataFrame(np.random.randn(60), i, columns=['Vals'])
如果我尝试使用偏移量进行分组和滚动，则会出现“ ValueError：窗口必须为整数 ”：
df['Avg'] = df.groupby(['Name'])['Vals'].rolling('30D').mean() # << Why doesn't this work?
并不是以下这些变体可以满足我的需求，但请注意对int作品进行分组和滚动：
df['Avg'] = df.groupby(['Name'])['Vals'].rolling(4).mean()
而且我可以在DataFrame的单索引子集上使用偏移量滚动：
d = df.loc['A']
d['Avg'] = d['Vals'].rolling('30D').mean()
如果确实不可能在多索引DataFrame上进行偏移滚动，那么将零应用于每个0级索引项的最有效的解决方法是什么？
为了使用类似“ 30D”的偏移量，您需要一个简单的日期索引。在这种情况下，最简单的实现方法是使用，将“名称”移出索引reset_index(level='Name')，而只将“日期”作为索引：
df['Avg'] = df.reset_index(level='Name').groupby(['Name'])['Vals'].rolling('30D').mean()
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句