熊猫滚动操作

Question

我有一个简单的数据集，我想对其进行滚动操作。数据集如下所示：

     user_id              create_at             v1
0   15991247    2022-05-31 21:00:21.150822  0.028059
1   24062521    2022-05-31 21:00:33.620000  1.781399
2   12610025    2022-05-31 21:01:30.349000  0.952400
3   24062521    2022-05-31 21:02:38.836000  1.571899
4   24062521    2022-05-31 21:02:44.156000  0.952600

当我尝试进行滚动操作时，

d1 = d1.set_index('create_at')
d1.groupby('user_id')['v1'].rolling('3D').sum().reset_index(drop = True)

我得到正确答案：

0           -0.083971
1           -0.139826
2            1.941623
3            1.169590
4            0.313641
              ...    

但是当我尝试将其附加回数据集时，一切都变成 NaN，即

d1['roll_3D'] = d1.groupby('user_id')['v1'].rolling('3D').sum().reset_index(drop = True)

                             user_id        v1    roll_3D
create_at           
2022-05-31 21:00:21.150822  15991247    0.028059    NaN
2022-05-31 21:00:33.620000  24062521    1.781399    NaN
2022-05-31 21:01:30.349000  12610025    0.952400    NaN
2022-05-31 21:02:38.836000  24062521    1.571899    NaN
2022-05-31 21:02:44.156000  24062521    0.952600    NaN

Answer 1

问题是因为您将

create_at

设置为数据帧的索引，当您计算滚动操作并应用

reset_index

时，它会创建一个新的默认整数索引，该索引与数据帧的索引不匹配，因此失败将值分配回数据框。要解决此问题，请尝试使用

transform

代替：

df['roll_3D'] = df.groupby('user_id')['v1'].transform(lambda x: x.rolling('3D').sum())