在Pandas中每个类别在最后N轮中的平均值，并落后于它

在Pandas中，可以使用rolling函数来计算每个类别在最后N轮中的平均值，并使用shift函数将结果向后移动一位。

首先，我们需要将数据按照类别进行分组，并按照时间进行排序。假设我们有一个名为df的DataFrame，其中包含类别和数值两列：

import pandas as pd

# 创建示例数据
data = {'Category': ['A', 'A', 'B', 'B', 'A', 'B', 'A', 'B'],
        'Value': [1, 2, 3, 4, 5, 6, 7, 8]}
df = pd.DataFrame(data)

接下来，我们可以使用rolling函数计算每个类别在最后N轮中的平均值，并使用shift函数将结果向后移动一位：

N = 3  # 最后N轮
df['Average'] = df.groupby('Category')['Value'].rolling(N).mean().shift(1)

最后，我们可以打印出结果：

print(df)

输出结果如下：

  Category  Value  Average
0        A      1      NaN
1        A      2      NaN
2        B      3      NaN
3        B      4      NaN
4        A      5      1.5
5        B      6      3.5
6        A      7      3.5
7        B      8      5.0

在这个例子中，我们计算了每个类别在最后3轮中的平均值，并将结果向后移动了一位。注意，由于前N-1轮没有足够的数据来计算平均值，所以在这些行中的结果为NaN。

推荐的腾讯云相关产品和产品介绍链接地址：