**rolling多索引DataFrame时为什么不能使用偏移量？**例如：
rng = pd.date_range('2017-01-03', periods=20, freq='8D')
i = pd.MultiIndex.from_product([['A','B','C'], rng], names=['Name','Date'])
df = pd.DataFrame(np.random.randn(60), i, columns=['Vals'])如果我尝试分组并滚动偏移量，我会得到“ValueError：窗口必须是一个整数"：
df['Avg'] = df.groupby(['Name'])['Vals'].rolling('30D').mean() # << Why doesn't this work?并不是说下面的这些变体满足了我的需求，但是请注意，使用int进行分组和滚动是可行的：
df['Avg'] = df.groupby(['Name'])['Vals'].rolling(4).mean()我可以在DataFrame的单索引子集上滚动偏移量：
d = df.loc['A']
d['Avg'] = d['Vals'].rolling('30D').mean()如果确实不可能在多索引 Dataframe 上使用偏移量进行滚动，那么将偏移量应用于每个0级索引项的最有效的解决方法是什么？
2条答案
按热度按时间2ledvvac1#
为了使用像'30D'这样的偏移量，您需要一个简单的日期索引。在这种情况下，最简单的方法是使用
reset_index(level='Name')将'Name'移出索引，只留下'Date'作为索引：zujrkrfu2#
在MultiIndex的一个级别上滚动支持仍然是不完善的，请参阅：https://github.com/pandas-dev/pandas/issues/34642
除了@JohnE的解决方案之外，还可以使用transform方法：
请注意，没有
transform的代码：抛出
IndexError（至少在Pandas 1上。5）。