Как пользоваться скользящим средним Pandas без гарантированного количества наблюдений

Question

Я смотрю статистику годовой статистики бейсбола и хочу рассчитать скользящее среднее, оглядываясь назад на предыдущие 3 года работы по количеству хитов. Тем не менее, я хочу объяснить, что, хотя мой набор данных достигает более трех лет, один одиночный игрок может быть только в лиге на 1-2 года и не будет иметь 3-х летних наблюдений, из которых я могу вычислить среднее значение прокатки. Например:

In[6]: df = pd.DataFrame({'PLAYER_ID': ['A', 'A', 'A', 'B', 'B'], 
          'HITS': [45, 55, 50, 20, 24]}) 
In[9]: df 
Out[9]: 
    PLAYER_ID HITS 
0   A 45 
1   A 55 
2   A 50 
3   B 20 
4   B 24 

Как бы я использую GroupBy и агрегацию/преобразование (или какой-либо другой процесс), чтобы вычислить качению означает для каждого игрока с более 3 лет исторические итоги, а затем просто использовать максимальную доступную исторические наблюдения за игроком с историческими данными за период менее трех лет?

Довольно уверен, что мой ответ лежит в пакете Pandas, но будет интересоваться любым решением.

Спасибо!

Answer 1

pd.DataFrame.rolling обрабатывает эту проблему автоматически. Используя свои данные примера, df.groupby('PLAYER_ID').rolling(1).mean() даст вам:

   HITS PLAYER_ID 
PLAYER_ID 
A   0 45.0   A 
      1 55.0   A 
      2 50.0   A 
B   3 20.0   B 
      4 24.0   B 

Для примера случае я использую размер окна только 1, что означает, что мы лечим каждое отдельное наблюдение в качестве своего собственного среднего. Это не особенно интересно. С большим количеством данных вы можете использовать больший размер окна: например, если ваши данные еженедельно, rolling(5) даст вам примерно ежемесячный размер окна (или rolling(31), если ваши данные будут ежедневными, и так далее).

Два вопроса, чтобы быть в курсе при использовании этой методики:

1. Если данные не пробы на регулярной основе (например, если он пропускает через неделю или месяц в то время), ваше скользящее среднее не будут выровнены по времени. По этой причине, если ваши данные уже не будут регулярно отбираться, вы, скорее всего, захотите их повторно сменить.
2. Если ваши данные содержат значения NaN, они будут распространяться: каждое окно, содержащее это NaN, также будет NaN. Вам нужно будет impute those values как-то удержать это от происходящего.