具有基于列总和的自定义回溯长度的熊猫滚动窗口

Question

给定一个熊猫数据框，其中有以日期为索引的“ atbats”和“ hits”两列，是否可以获得最新的历史击球平均值（每个atbat的平均命中次数）？ 例如，历史击球平均数可以是最少击球数大于10的平均数。这有点像滚动窗口，带有一定数量的回溯期。 例如，给定：

      date, atbats, hits, 
2017-01-01,      5,    2,
2017-01-02,      6,    3,
2017-01-03,      1,    1,
2017-01-04,      12,   3,
2017-01-04,      1,    0,

在第一天，没有历史性的攻击。 在第二天，只有6。由于两者都小于10，因此它们可以是NaN或仅为0。

在第三天，我们将回顾过去两天，看到5 + 6次击球，平均（2 + 3）/（5 + 6）= 0.45次/击球。

在第三天，我们将回顾过去的三天，得出（2 + 3 + 1）/（5 + 6 + 1）= 0.5次命中/每击。

在第四天，我们将回首最后一天，获得4/16 = 0.25次点击/ atbat。 由于最后一天的时间超过10（16），因此我们无需再看了。

最终的数据帧如下所示：

      date, atbats, hits,  pastAtbats, pastHits, avg,
2017-01-01,      5,    2,           0,       0,   0,
2017-01-02,      6,    3,           0,       0,   0,
2017-01-03,      1,    1,          11,       5,   0.45,
2017-01-04,      16,   4,          12,       6,   0.50,
2017-01-04,      1,    0,          16,       4,   0.25,

在熊猫中可以进行这种计算吗？

我能想到的唯一解决方案是纯蛮力-将命中除以atbats，每行重复x次，其中x = atbats，然后滚动窗口为10。但是在我的数据框中，“ atbats”平均每天约80个，因此会大大增加数据框的大小和要计算的窗口总数。

Answer 1

使用迭代来实现您所需要的。 见下文：

原始数据框：

index atbats  hits
1       5     2
2       6     3
3       1     1
4      16     4
4       1     0
5       1     0
6      14     2
7       5     1

码：

data = []
last = [0,0]
past_atbats = 0
past_hits = 0
for i, row in df.iterrows():
    if( last[0] >= 10):
        data.append(last.copy())
    else:
        data.append([0,0])

    if(row['atbats'] >= 10):
        last[0] = row['atbats']
        last[1] = row['hits']
    else:
        last[0] += row['atbats']
        last[1] += row['hits']

df_past = pd.DataFrame(data=data,index=df.index,columns=['past_atbats','past_hits'])
df = df.merge(df_past,left_index=True,right_index=True)
df['avg'] = df['past_hits'].divide(df['past_atbats'])

造成：

index atbats  hits  past_atbats  past_hits       avg
1       5     2            0          0       NaN
2       6     3            0          0       NaN
3       1     1           11          5  0.454545
4      16     4           12          6  0.500000
4      16     4           16          4  0.250000
4       1     0           12          6  0.500000
4       1     0           16          4  0.250000
5       1     0           17          4  0.235294
6      14     2           18          4  0.222222
7       5     1           14          2  0.142857

可能可以进行优化，但我认为它将对您有所帮助。