我在尝试将字段添加到 DataFrame 时遇到问题，该字段汇总了过去三个月(即不包括本月)。
我有一个 DataFrame，它显示与 channel_id 相关的月费:
+-------+---------+------------+----------+-------------------------+
| index | date | channel_id | fee | NEW COLUMN |
+-------+---------+------------+----------+-------------------------+
| 10 | 2018-03 | 22 | 24525.88 | (depends on rows above) |
| 11 | 2018-04 | 22 | 10493 | (depends on rows above) |
| 12 | 2018-05 | 22 | 12500 | (depends on rows above) |
| 13 | 2017-10 | 43 | 1000 | 0 |
| 14 | 2017-11 | 43 | 1000 | 0 |
| 15 | 2017-12 | 43 | 1000 | 0 |
| 16 | 2018-01 | 43 | 1000 | 3000 |
| 17 | 2018-02 | 43 | 1000 | 3000 |
| 18 | 2018-03 | 43 | 1000 | 3000 |
| 19 | 2018-04 | 43 | 1000 | 3000 |
| 20 | 2018-05 | 43 | 1000 | 3000 |
| 21 | 2017-10 | 58 | 1750 | 0 |
| 22 | 2017-11 | 58 | 1750 | 0 |
| 23 | 2017-12 | 58 | 3302.1 | 0 |
| .. | .. | .. | .. | .. |
+-------+---------+------------+----------+-------------------------+
对于每个 channel_id，我想汇总最近 3 个月的费用。每个 channel_id 的前三个月(例如行索引 4、5、6)应为 0，因为没有前 3 个月的总和。
为了实现这一点，我正在使用:
df.groupby(['channel_id']).rolling(3)[fee].sum().shift(1).sort_index(level=1).fillna(0)
这大部分有效，但对于一些 channel_ids 的第一个实例，它填充了一个我无法绑定(bind)到任何东西的值...:
+---------+------------+----------+----------+----------+
| date | channel_id | fee | NEW_COL | Correct? |
+---------+------------+----------+----------+----------+
| 2018-03 | 22 | 24525.88 | 52572.85 | YES |
| 2018-04 | 22 | 10493 | 60211.76 | YES |
| 2018-05 | 22 | 12500 | 53933.88 | YES |
| 2017-10 | 43 | 1000 | 2400 | NO!!! |
| 2017-11 | 43 | 1000 | 0 | YES |
| 2017-12 | 43 | 1000 | 0 | YES |
| 2018-01 | 43 | 1000 | 3000 | YES |
| 2018-02 | 43 | 1000 | 3000 | YES |
| 2018-03 | 43 | 1000 | 3000 | YES |
| 2018-04 | 43 | 1000 | 3000 | YES |
| 2018-05 | 43 | 1000 | 3000 | YES |
| 2017-10 | 58 | 1750 | 0 | YES |
| 2017-11 | 58 | 1750 | 0 | YES |
| 2017-12 | 58 | 3302.1 | 0 | YES |
+---------+------------+----------+----------+----------+
我对 df 操作的理解有点粗略，但我对链的理解是:
df.groupby(['channel_id']):按channel_id分组数据
.rolling(3)[fee].sum():将 3 个月的滚动总和应用于 groupby dfs
.shift(1):将值向上移动 1(因为我们不想要当前月份)
.sort_index(level=1):不确定这在上下文中到底做了什么，但它是必需的...
.fillna(0):用 0 填充 NaN，其中前 3 个月不可用。
我尝试过不同的 sort_index 值(和移位)，但无法理解这是如何计算出不正确的值的。
请您参考如下方法:
使用应用
df.groupby(['channel_id'])['fee'].apply(lambda x :x.rolling(3).sum().shift(1).fillna(0))
Out[319]:
0 0.0
1 0.0
2 0.0
3 0.0
4 0.0
5 0.0
6 3000.0
7 3000.0
8 3000.0
9 3000.0
10 3000.0
11 0.0
12 0.0
13 0.0
Name: fee, dtype: float64
