注意：我已經知道這個問題的答案，我發布它只是因為我在堆棧溢出上找不到正確的答案，我花了驚人的時間來弄清楚它。話雖如此，請隨時建議其他選項。問題我有一個帶有三列的pandas DataFrame，一個跟蹤日期，一個跟蹤相關觀察結果（即我的分組列），第三個變量存儲一些數值。對于我的數據幀中的每個組，我想計算日期列上的滾動總和。警告：數據幀中缺少一些日期，我想將它們視為值為0的觀測值。我不想使用交叉聯接來添加所有日期?？芍噩F示例讓我們有一個這樣的數據幀：df = pd.DataFrame({'id_col' : np.array([1,1,1,1,1,1,2,2,2,2,2,3,3,3]),                  'value_col' : np.random.randint(0,5,size=14),                  'dates' : pd.to_datetime(np.array([                  '2018-01-01',                  '2018-02-01',                  '2018-03-01',                  '2018-05-01',                  '2018-06-01',                  '2018-09-01',                  '2018-01-01',                  '2018-02-01',                  '2018-05-01',                  '2018-06-01',                  '2018-07-01',                  '2018-01-01',                  '2018-02-01',                  '2018-03-01'])                  )}                 )數據如下所示：    id_col  value_col   dates0   1   0   2018-01-011   1   1   2018-02-012   1   4   2018-03-013   1   0   2018-05-014   1   3   2018-06-015   1   3   2018-09-016   2   4   2018-01-017   2   3   2018-02-018   2   2   2018-05-019   2   0   2018-06-0110  2   2   2018-07-0111  3   4   2018-01-0112  3   2   2018-02-0113  3   3   2018-03-01我嘗試過的方法不起作用：選項 1：完全忽略缺失的日期df.groupby(['id_col']).rolling(2)['value_col'].sum().reset_index()選項 2：基于 pandas 滾動文檔，使用 pandas 偏移參數替換窗口寬度（返回）。如果將日期列用作數據幀的索引，則此方法將起作用。不幸的是，我們不能在這里使用簡單的索引，因為來自id_col的2個不同的ID可以包含相同的日期。（我們可以創建 MultiIndex，但隨后得到相同的值錯誤）。ValueError: window must be an integerdf.groupby(['id_col']).rolling('60d')['value_col'].sum().reset_index()什么有效，但不是很簡單：選項 1：交叉聯接以填寫所有缺失的日期（如果數據量很大，可能很難）選項 2：從可迭代對象的笛卡爾積構建多索引，如這個答案所示。這實際上與上述選項非常相似。