在不使用 apply 的情况下在数据帧上使用滚动时遇到问题，这很慢

Question

我有一个数据框，如下所示：

ID        Date        Prize     IfWon

1         01-01-20      5         1

2         01-01-20      8         1

1         01-03-20      3         0

1         01-04-20      10        1

1         01-07-20      5         0

2         01-10-20      5         1

3         01-10-20      10        1

我想添加一个新列，对于给定的 ID，该列将包括他们在该日期之前 7 天内赢得的所有奖金的总和，但不包括该日期。目标是拥有一个如下所示的数据框：

ID        Date        Prize     IfWon    PrevWon

1         01-01-20      5         1         0

2         01-01-20      8         1         0

1         01-03-20      3         0         5

1         01-04-20      10        1         5

1         01-07-20      5         0         15

2         01-10-20      5         1         0

3         01-10-20      10        1         0

我必须执行的代码如下，它可以工作，但我有两个问题：

def get_rolling_prize_sum(grp, freq):

    return grp.rolling(freq, on = 'Date', closed = 'right')['CurrentWon'].sum()

processed_data_df['CurrentWon'] = processed_data_df['Prize'] * processed_data_df['IfWon'] # gets deleted later

processed_data_df['PrevWon'] = processed_data_df.groupby('ID', group_keys=False).apply(get_rolling_prize_sum, '7D').astype(float) - processed_data_df['CurrentWon']

因为我不想包括当天的奖品，所以我试图关闭右侧的滚动，但这不起作用（例如，取出上面的 close = 'right' 会做完全相同的事情） 。因此，我最终在最后一行进行了减法。

我使用的实际数据库很大，我需要在不同的点进行许多滚动求和，但它的速度非常慢。有人告诉我，我可以在不使用 .apply 的情况下直接使用 .rolling 来完成此操作，但我无法使其正常工作。我的尝试如下，有错误，我会注意到该错误花了几分钟才产生，这是唯一重要的计算，所以看起来好像它正在执行其中的一部分，然后稍后失败：

# Not using closed right here, just subtracting

processed_data_df['PrevWon'] = processed_data_df.groupby('ID', group_keys=False).rolling('7D', on = 'Date')['CurrentWon'].sum() - processed_data_df['CurrentWon']

ValueError: cannot join with no overlapping index names

有任何想法吗？

Answer 1

改进了之前的答案并设法解决了 groupby 的排序问题df = pd.read_csv("data.csv")df["Date"] = pd.to_datetime(df['Date'], format='%m-%d-%y')df["CurrentWon"] = df["Prize"] * df["IfWon"]result = df.groupby("ID").rolling("7D", on = 'Date', closed = 'right').CurrentWon.sum().reset_index()result.rename(columns={"CurrentWon": "PreviousWon"}, inplace=True)df = df.merge(result, on=["ID", "Date"])df["PreviousWon"] -= df["CurrentWon"]print(df)输出：   ID       Date  Prize  IfWon  CurrentWon  PreviousWon0   1 2020-01-01      5      1           5          0.01   2 2020-01-01      8      1           8          0.02   1 2020-01-03      3      0           0          5.03   1 2020-01-04     10      1          10          5.04   1 2020-01-07      5      0           0         15.05   2 2020-01-10      5      1           5          0.06   3 2020-01-10     10      1          10          0.0