先前计算的移动平均值的移动平均值

Question

我有一个如下数据框：

data = pd.DataFrame({'Date':['20191001','20191002','20191003','20191004','20191005','20191006','20191001','20191002','20191003','20191004','20191005','20191006'],'Store':['A','A','A','A','A','A','B','B','B','B','B','B'],'Sale':[1,2,8,6,9,0,4,3,0,2,3,7]})

我想做的是计算前两天每个商店的移动平均值（窗口大小= 2），然后将值放在新列中（假设为'MA'），但是问题是我想要这个窗口滚动实际销售和先前计算的MA。下图是说明：

很抱歉，我必须用图片表达我的问题：|

我知道我必须按存储分组，并且可以使用rolling（2），但是该方法只能计算一列的移动平均值。

我的原始窗口是15，以上仅为示例。

非常感谢您的帮助。

Answer 1

我无法完全想到一种无需编写自定义代码即可解决此问题的方法，因为您正在使用之前生成的数据。下面的代码段是我想到的。它以线性时间运行，我相信它会尽力而为，主要是就地运行，只需要一个pd额外的存储空间即可。长度为window的系列进行的复制很少，仅查看每个值一次即可与任意窗口大小一起使用，可以轻松扩展到您的实际用例

def fill_ma(sales: pd.Series, window: int):
    # "manually" do the first steps on the sales data
    iter_data = sales.iloc[0:window]
    for i in range(window):
        iter_data.iloc[i] = np.mean(iter_data)

    sales.iloc[0:window] = np.nan
    sales.iloc[window:(2 * window)] = iter_data.values
    # loop over the rest of the Series and compute the moving average of MA data
    for i in range(2 * window, sales.shape[0]):
        tmp = np.mean(iter_data)
        iter_data.iloc[i % window] = tmp
        sales.iloc[i] = tmp

    return sales

使用此功能非常简单：groupby Store列和apply该功能就像这样：

window = 2
data.groupby('Store')['Sale'].apply(lambda x: fill_ma(x, window))

0        NaN
1        NaN
2     1.5000
3     1.7500
4     1.6250
5     1.6875
6        NaN
7        NaN
8     3.5000
9     3.2500
10    3.3750
11    3.3125
Name: Sale, dtype: float64

如果最终在大量真实数据上使用它，我很想听听它在运行时方面的表现。干杯