Question

我有以下数据框：

datetime       JD      YEAR    VAL 
2000-01-01      1      2000    0.5
2000-01-02      2      2000    1.2
2000-01-03      3      2000    2.1
2000-01-04      4      2000    3.4 
2000-01-05      5      2000    4.6
2000-01-06      6      2000    6.8
2000-01-07      7      2000    7.2
2000-01-08      8      2000    0.2
2000-01-09      9      2000    0.9
...
2010-12-31      365    2014    4.1

第一年是2000年，去年是2010年。没有闰年（即没有对应于2月29日的行），datetime是索引列。

我想计算一个新的数据帧，从2010年1月1日到2010年12月31日。我希望它包含一个列，用于计算由10个值组成的数组中2010年1月1日的百分位值（VAL）（ 2000年1月1日，2001年1月1日... 2009年1月1日）。同样地，将2010年1月2日与前几年的1月2日进行比较....

lyr = df.YEAR.max() # last year i.e. 2010
cdf = df[df.YEAR == lyr]# Latest year dataframe
pdf = df[df.index.year < lyr] # Previous years dataframe

pdf.groupby('JD')['VAL']
stats.percentileofscore(pdf['VAL'], cdf['VAL'])

但是，我不知道如何让代码工作。 groupby只返回组，而我需要一个值列表。

Answer 1

使用小样本数据框进行设置：

np.random.seed(1234)
df = pd.DataFrame({ 'jd':  np.tile([1,2],3),
                    'yr':  np.repeat([2008,2009,2010],2),
                    'val': np.random.randn(6) })

然后它只有一行：

df['pctile'] = df.groupby('jd')['val'].rank(pct=True)

这是输出，以sort_values(['jd','val'])

排序

   jd       val    yr    pctile
4   1 -0.720589  2010  0.333333
0   1  0.471435  2008  0.666667
2   1  1.432707  2009  1.000000
1   2 -1.190976  2008  0.333333
3   2 -0.312652  2009  0.666667
5   2  0.887163  2010  1.000000

根据前几年的数据计算pandas数据帧行的百分位数

1 个答案: