我有一個(gè)數(shù)據(jù)框如下：   Date        Group   Value   Duration2018-01-01      A      20       302018-02-01      A      10       602018-01-01      B      15      1802018-02-01      B      30      2102018-03-01      B      25      238 2018-01-01      C      10      2352018-02-01      C      15      130我想group_by動(dòng)態(tài)使用，即不希望鍵入group_by要應(yīng)用的列名。具體來說，我想計(jì)算mean每個(gè)組最近兩個(gè)月的數(shù)據(jù)。正如我們所看到的，并非每個(gè)組的數(shù)據(jù)都出現(xiàn)在上述數(shù)據(jù)框中的所有日期。所以任務(wù)如下：添加一個(gè)基于日期的虛擬行，以防與Date = 2018-03-01每個(gè)組不存在的數(shù)據(jù)相關(guān)（例如為 A 和 C 添加行）。group_by使用最近兩個(gè)月的Value和執(zhí)行計(jì)算均值Duration。所以我的做法如下：對(duì)于任務(wù) 1： s = pd.MultiIndex.from_product(df['Date'].unique(),df['Group'].unique()],names=['Date','Group']) df = df.set_index(['Date','Group']).reindex(s).reset_index().sort_values(['Group','Date']).ffill(axis=0) 我們可以有更好的方法來完成“添加行”任務(wù)嗎？可在此處找到參考。對(duì)于任務(wù) 2：def cond_grp_by(df,grp_by:str,cols_list:list,*args):    df_grp = df.groupby(grp_by)[cols_list].transform(lambda x : x.tail(2).mean())    return df_grpdf_cols = df.columns.tolist()df = cond_grp_by(dealer_f_filt,'Group',df_cols)可以在此處找到上述方法的參考。上面的代碼正在拋出IndexError : Column(s) ['index','Group','Date','Value','Duration'] already selected預(yù)期的輸出是Group    Value    Duration  A       10         60 <---------   Since a row is added for 2018-03-01 with   B       27.5      224              same value as 2018-02-01,we are   C       15        130 <---------   computing mean for last two values