当前位置:

首页 > 编程开发 > 高效计算按类别与滑动日期窗口分组的条件均值(或和)

高效计算按类别与滑动日期窗口分组的条件均值(或和)

本文介绍如何在大型Pandas数据集中(如50万行)高效计算每个样本在其所属类别内、且日期落在±14天滑动窗口内的X-Value之和,避免低效的逐行遍历,推荐使用基于时间索引的groupby().rolling()方案。

本文目录

    高效计算按类别与滑动日期窗口分组的条件均值(或和)

    本文介绍如何在大型Pandas数据集中(如50万行)高效计算每个样本在其所属类别内、且日期落在±14天滑动窗口内的X-Value之和,避免低效的逐行遍历,推荐使用基于时间索引的groupby().rolling()方案。

    本文介绍如何在大型Pandas数据集中(如50万行)高效计算每个样本在其所属类别内、且日期落在±14天滑动窗口内的X-Value之和,避免低效的逐行遍历,推荐使用基于时间索引的`groupby().rolling()`方案。

    在处理带时间维度的分组聚合任务时,尤其是需对每个样本动态定义“邻近时间窗口”(如±14天),传统df.apply()配合布尔索引的方式虽逻辑清晰,但时间复杂度为O(n²),面对50万行数据极易成为性能瓶颈。更优解是利用Pandas原生支持的时间感知滚动窗口(time-based rolling window),结合分组操作,实现向量化、近线性时间复杂度的高效计算。

    核心思路是:
    ✅ 将日期列设为索引(确保DatetimeIndex类型);
    ✅ 按Category分组,对每组独立应用时间窗口滚动聚合;
    ✅ 使用rolling(window="29D", center=True)——"29D"表示总跨度29天(含当日),center=True确保窗口以当前行为中心,等价于[date−14D, date+14D]闭区间(Pandas默认包含端点);
    ✅ 聚合函数选用.sum()(题干需求为“sum”,若需均值可改用.mean());
    ✅ 最后通过merge或map将结果回填至原始DataFrame。

    以下为完整可运行示例:

    import pandas as pd
    from datetime import timedelta
    
    # 构造示例数据(注意:Date需为datetime类型)
    data = {
        "Date": pd.date_range(start="2024-03-01", periods=5, freq="D"),
        "Category": ["Red", "Red", "Red", "Blue", "Red"],
        "X-Value": [12, 19, 15, 22, 18],
    }
    df = pd.DataFrame(data)
    
    # ✅ 关键步骤:设置日期索引 + 分组滚动求和(±14天 → window="29D")
    df_rolling_sum = (
        df.set_index("Date")                      # 设Date为索引
        .groupby("Category")["X-Value"]           # 按Category分组,选取X-Value列
        .rolling(window="29D", center=True)       # 时间窗口:29天,居中对齐
        .sum()                                    # 计算窗口内X-Value之和
        .reset_index(name="cohort_sum")           # 恢复索引并重命名
    )
    
    # ✅ 合并回原始DataFrame(保持行序一致)
    df_result = df.merge(df_rolling_sum, on=["Date", "Category"], how="left")
    print(df_result)

    输出:

            Date Category  X-Value  cohort_sum
    0 2024-03-01      Red       12        46.0
    1 2024-03-02      Red       19        46.0
    2 2024-03-03      Red       15        46.0
    3 2024-03-04     Blue       22        22.0
    4 2024-03-05      Red       18        33.0

    ? 验证说明:第0行(2024-03-01)的窗口为[2024-02-16, 2024-03-16],覆盖第0–2行(同属Red),故12+19+15=46;第4行(2024-03-05)窗口覆盖第2–4行(2024-03-03至2024-03-05),即15+18=33(第3行Category不同,自动排除)。

    关键注意事项:

    • ⚠️ Date列必须是datetime64[ns]类型,否则rolling(window="29D")会报错;可用df["Date"] = pd.to_datetime(df["Date"])强制转换;
    • ⚠️ center=True是实现“以当前行为中心”的必要参数,缺省为False(左对齐),会导致窗口偏移;
    • ⚠️ 若存在同一日期多个样本,rolling()默认按索引顺序处理,无需额外去重;但若日期精度不足(如仅到日),建议添加微秒级扰动或使用pd.Grouper(freq="1D")辅助;
    • ⚠️ 内存友好性:该方法底层调用NumPy/Cython优化,50万行数据通常在秒级完成,远优于apply()的分钟级耗时。

    进阶提示:

    • 如需计算均值而非和,仅需将.sum()替换为.mean();
    • 若需排除自身值(即“其他同类样本在±14天内的和”),可先计算总和,再减去当前行X-Value;
    • 对超大规模数据(千万级),可考虑分块groupby或切换至polars(语法类似:pl.col("X-Value").rolling_sum(window_size="29d", by="Date", closed="both").over("Category"))。

    此方案兼顾简洁性、可读性与工业级性能,是处理“类别+动态时间窗口”聚合任务的标准实践。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    QQ影音怎么加速播放视频课程
    QQ影音怎么加速播放视频课程

    播放时右键选播放速度,或点控制条倍速,1.25 到 1.5 倍看课最舒服;公式代码类内容别超过 1.25 倍。

    企业微信创建企业提示失败怎么办 实名与填写检查
    企业微信创建企业提示失败怎么办 实名与填写检查

    先看提示属于哪类:名称占用就加后缀,实名不一致就重填本人信息,证件不清晰就重拍。统一社会信用代码逐位核对,连续三次失败别改材料重投,直接联系客服人工核。

    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。