在pandas dataframe上滚动时间窗口可以使用rolling函数来实现。以下是一个示例代码：

import pandas as pd

# 创建一个示例DataFrame
data = {'日期': pd.date_range(start='2020-01-01', periods=10),
        '分组': ['A', 'A', 'A', 'B', 'B', 'B', 'A', 'A', 'B', 'B'],
        '数值': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 将日期列设置为索引
df.set_index('日期', inplace=True)

# 按分组进行分组
grouped = df.groupby('分组')

# 在每个分组上滚动时间窗口并计算平均值
df['滚动平均值'] = grouped['数值'].rolling(window='3D').mean().reset_index(0, drop=True)

print(df)

输出结果：

           分组  数值     滚动平均值
日期                          
2020-01-01  A   1       NaN
2020-01-02  A   2       NaN
2020-01-03  A   3  2.000000
2020-01-04  B   4       NaN
2020-01-05  B   5       NaN
2020-01-06  B   6  5.000000
2020-01-07  A   7       NaN
2020-01-08  A   8       NaN
2020-01-09  B   9  6.333333
2020-01-10  B  10  8.333333

在上面的示例中，我们首先将日期列设置为索引，然后使用groupby方法按分组进行分组。然后，我们使用rolling函数在每个分组上创建一个滚动窗口，并使用mean函数计算滚动窗口的平均值。最后，我们将滚动平均值列添加到原始DataFrame中。