Pandas: so berechnen sie einen gleitenden durchschnitt pro gruppe

Sie können die folgende grundlegende Syntax verwenden, um einen gleitenden Gruppendurchschnitt für Pandas zu berechnen:

 #calculate 3-period moving average of 'values' by 'group'
df. groupby (' group ')[' values ']. transform ( lambda x: x.rolling (3,1) .mean ())

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Beispiel: Berechnen Sie den gleitenden Durchschnitt nach Gruppen in Pandas

Angenommen, wir haben den folgenden Pandas-DataFrame, der die Gesamtverkäufe von zwei Geschäften über fünf Verkaufszeiträume zeigt:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' store ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
                   ' period ': [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],
                   ' sales ': [7, 7, 9, 13, 14, 13, 13, 19, 20, 26]})

#view DataFrame
df

	store period sales
0 to 1 7
1 to 2 7
2 to 3 9
3 to 4 13
4 to 5 14
5 B 1 13
6 B 2 13
7 B 3 19
8 B 4 20
9 B 5 26

Mit dem folgenden Code können wir einen gleitenden 3-Tages-Umsatzdurchschnitt für jedes Geschäft berechnen:

 #calculate 3-day moving average of sales by store
df[' ma '] = df. groupby (' store ')[' sales ']. transform ( lambda x: x.rolling (3,1) .mean ())

#view updated DataFrame
df

        store period sales ma
0 A 1 7 7.000000
1 to 2 7 7.000000
2 A 3 9 7.666667
3 A 4 13 9.666667
4 A 5 14 12.000000
5 B 1 13 13.000000
6 B 2 13 13.000000
7 B 3 19 15.000000
8 B 4 20 17.333333
9 B 5 26 21.666667

Hinweis : x.rolling(3, 1) bedeutet, dass ein gleitender Durchschnitt über 3 Perioden berechnet wird und 1 als Mindestanzahl an Perioden erforderlich ist.

In der Spalte „mein“ wird der gleitende 3-Tage-Umsatzdurchschnitt für jedes Geschäft angezeigt.

Um einen anderen gleitenden Durchschnitt zu berechnen, ändern Sie einfach den Wert in der Funktion Rolling() .

Beispielsweise könnten wir stattdessen den gleitenden 2-Tages-Durchschnitt der Verkäufe für jedes Geschäft berechnen:

 #calculate 2-day moving average of sales by store
df[' ma '] = df. groupby (' store ')[' sales ']. transform ( lambda x: x.rolling (2,1) .mean ())

#view updated DataFrame
df

        store period sales ma
0 to 1 7 7.0
1 to 2 7 7.0
2 to 3 9 8.0
3 A 4 13 11.0
4 to 5 14 13.5
5 B 1 13 13.0
6 B 2 13 13.0
7 B 3 19 16.0
8 B 4 20 19.5
9 B 5 26 23.0

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So führen Sie eine GroupBy-Summe in Pandas durch
So zählen Sie eindeutige Werte mit GroupBy in Pandas
So verwenden Sie Groupby und Plot in Pandas