使用 Pandas Rolling 函数高效生成基于状态列的 Flag

心靈之曲

发布时间：2025-08-20 18:34:11

612人浏览过

来源于php中文网

原创

使用 pandas rolling 函数高效生成基于状态列的 flag

本文旨在提供一种使用 Pandas 的 groupby.rolling 函数，根据连续期间的状态列高效生成 Flag 的方法。针对大数据集，该方法避免了低效的循环，显著提升了性能。文章将详细介绍该函数的用法，并提供示例代码，帮助读者理解如何在实际应用中运用此方法。

在处理时间序列数据时，经常需要根据一段时间内的状态来标记数据。例如，我们需要根据未来或过去12个月内的状态，来标记当前状态。如果使用循环遍历的方法，在大数据集上效率会非常低。Pandas 提供的 groupby.rolling 函数可以高效地解决这类问题。

groupby.rolling 函数介绍

groupby.rolling 函数是 Pandas 中一个强大的工具，它允许我们在分组数据上进行滚动窗口计算。其基本用法如下：

df.groupby('grouping_column')['column_to_roll'].rolling(window=window_size, min_periods=min_periods, ...).aggregate_function()

grouping_column: 用于分组的列名。
column_to_roll: 需要进行滚动计算的列名。
window: 窗口大小，即滚动计算的期间长度。
min_periods: 窗口内至少需要多少个非缺失值才能进行计算。
aggregate_function: 聚合函数，如 sum, max, min, mean 等。

示例：基于未来 12 个月状态生成 Flag

假设我们有如下 DataFrame，需要根据未来 12 个月内 status 列是否出现 1 来生成 Flag 列：

import pandas as pd
import numpy as np

data = {'ID': ['A'] * 13,
        'Period': ['2020-10-28', '2020-11-28', '2020-12-28', '2021-01-28', '2021-02-28', '2021-03-28',
                   '2021-04-28', '2021-05-28', '2021-06-28', '2021-07-28', '2021-08-28', '2021-09-28',
                   '2021-10-28'],
        'status': [0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0]}
df = pd.DataFrame(data)
print(df)

使用 groupby.rolling 函数的实现代码如下：

网页制作与PHP语言应用

图书《网页制作与PHP语言应用》，由武汉大学出版社于2006出版，该书为普通高等院校网络传播系列教材之一，主要阐述了网页制作的基础知识与实践，以及PHP语言在网络传播中的应用。该书内容涉及：HTML基础知识、PHP的基本语法、PHP程序中的常用函数、数据库软件MySQL的基本操作、网页加密和身份验证、动态生成图像、MySQL与多媒体素材库的建设等。

下载

df['Flag'] = (df
      .assign(Period=pd.to_datetime(df['Period']).dt.to_period('M'))
      [::-1]
      .groupby('ID').rolling(12, on='Period', min_periods=1)
      ['status'].max()[::-1].to_numpy()
)

print(df)

代码解释：

df.assign(Period=pd.to_datetime(df['Period']).dt.to_period('M')): 将 'Period' 列转换为 Pandas Period 类型，方便进行滚动计算。
[::-1]: 将 DataFrame 反转，因为我们需要考虑未来 12 个月的数据。
groupby('ID').rolling(12, on='Period', min_periods=1): 按 'ID' 分组，并在 'Period' 列上进行滚动计算，窗口大小为 12 个月，最小周期为 1。
['status'].max(): 计算窗口内 status 列的最大值，如果窗口内存在 1，则最大值为 1，否则为 0。
[::-1].to_numpy(): 再次反转结果，使其与原始 DataFrame 的顺序一致，并转换为 NumPy 数组。

示例：基于过去 12 个月状态生成 Flag

如果需要根据过去 12 个月内 status 列是否出现 1 来生成 Flag 列，可以使用如下代码：

df['Flag'] = (df
      .assign(Period=pd.to_datetime(df['Period']).dt.to_period('M'))
      .set_index('Period')
      [::-1]
      .groupby('ID')['status']
      .transform(lambda g: g.rolling(12, min_periods=1)
                            .max().shift(fill_value=0)
                 )
      .to_numpy()[::-1]
)

print(df)

代码解释：

df.assign(Period=pd.to_datetime(df['Period']).dt.to_period('M')): 将 'Period' 列转换为 Pandas Period 类型，方便进行滚动计算。
.set_index('Period'): 将'Period'列设置为索引。
[::-1]: 将 DataFrame 反转，因为我们需要考虑过去 12 个月的数据。
groupby('ID')['status'].transform(lambda g: g.rolling(12, min_periods=1).max().shift(fill_value=0)): 按 'ID' 分组，并在 'status' 列上进行滚动计算，窗口大小为 12 个月，最小周期为 1。使用transform方法将滚动计算的结果应用到每一行。 .shift(fill_value=0)将结果向下移动一位，并将第一行的值填充为0，保证了只考虑过去的period。
to_numpy()[::-1]: 转换为 NumPy 数组并再次反转结果，使其与原始 DataFrame 的顺序一致。