具有基於列總和的自定義回溯長度的熊貓滾動窗口

Question

給定一個熊貓數據框，其中有以日期為索引的“ atbats”和“ hits”兩列，是否可以獲得最新的歷史擊球平均值（每個atbat的平均命中次數）？ 例如，歷史擊球平均數可以是最少擊球數大於10的平均數。這有點像滾動窗口，帶有一定數量的回溯期。 例如，給定：

      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，沒有歷史性的攻擊。 在第二天，只有6。由於兩者都小於10，因此它們可以是NaN或僅為0。

在第三天，我們將回顧過去兩天，看到5 + 6次擊球，平均（2 + 3）/（5 + 6）= 0.45次/擊球。

在第三天，我們將回顧過去的三天，得出（2 + 3 + 1）/（5 + 6 + 1）= 0.5次命中/每擊。

在第四天，我們將回首最后一天，獲得4/16 = 0.25次點擊/ atbat。 由於最后一天的時間超過10（16），因此我們無需再看了。

最終的數據幀如下所示：

      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,

在熊貓中可以進行這種計算嗎？

我能想到的唯一解決方案是純蠻力-將命中除以atbats，每行重復x次，其中x = atbats，然后滾動窗口為10。但是在我的數據框中，“ atbats”平均每天約80個，因此會大大增加數據框的大小和要計算的窗口總數。

Answer 1

使用迭代來實現您所需要的。 見下文：

原始數據框：

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

碼：

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

可能可以進行優化，但我認為它將對您有所幫助。