Question

我有一个数据框，其中一列代表时间，另外一列代表密钥的其他部分。

df = pd.DataFrame(data=[(t, l1, l2, t * t * (1 + l2 + l1)) 
                        for t in range(3) 
                        for l1 in [3, 4] 
                        for l2 in [10, 100]], 
                  columns=['t', 'l1', 'l2', 'x'])

    t   l1  l2  x
0   0   3   10  0
1   0   3   100 0
2   0   4   10  0
3   0   4   100 0
4   1   3   10  14
5   1   3   100 104
6   1   4   10  15
7   1   4   100 105
8   2   3   10  56
9   2   3   100 416
10  2   4   10  60
11  2   4   100 420

我正在寻找具有前一个值't'的行的'x'列中的差异，但是'l1'和'l2'的值相同。

    t   l1  l2  x   t.1 delta_x
0   0   3   10  0   1   NaN
1   0   3   100 0   1   NaN
2   0   4   10  0   1   NaN
3   0   4   100 0   1   NaN
4   1   3   10  14  2   14.0
5   1   3   100 104 2   104.0
6   1   4   10  15  2   15.0
7   1   4   100 105 2   105.0
8   2   3   10  56  3   42.0
9   2   3   100 416 3   312.0
10  2   4   10  60  3   45.0
11  2   4   100 420 3   315.0

我可以使用以下代码生成此框架。

df['t.1'] = df.t + 1
df['delta_x'] = df.x - df.merge(df, left_on=['t', 'l1', 'l2'], 
                                right_on=['t.1', 'l1', 'l2'], 
                                how='left', 
                                suffixes=['','.1'])['x.1']

有更清洁或更有效的方法吗？

Answer 1

尝试：

def diff(x):
    return x - x.shift()

df['delta_x'] = df.groupby(['l1', 'l2'])['x'].apply(diff)

在我的回答中实现MAXU的评论。

df['delta_x'] = df.groupby(['l1', 'l2'])['x'].diff()

Answer 2

您必须在l1和l2列上使用groupby，因为您希望比较这些值对x列的差异（l1, l2 ）取决于t列的值的变化。

默认情况下，diff计算按t=1分组的（t=0）和（l1 & l2）值之间的差异，并返回结果。因此，如果您想找到（x）和（t=2）之间的t=0值之间的差异，您只需要执行diff(periods=2)。

最后，使用tranform方法返回组块中每个组内的计算差异。

In [3]: df['delta_x'] = df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())

In [4]: df
Out[4]: 
    t  l1   l2    x  delta_x
0   0   3   10    0      NaN
1   0   3  100    0      NaN
2   0   4   10    0      NaN
3   0   4  100    0      NaN
4   1   3   10   14     14.0
5   1   3  100  104    104.0
6   1   4   10   15     15.0
7   1   4  100  105    105.0
8   2   3   10   28     14.0
9   2   3  100  208    104.0
10  2   4   10   30     15.0
11  2   4  100  210    105.0

时间限制：

In [5]: %timeit df['delta_x'] = df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())
1000 loops, best of 3: 1.55 ms per loop

In [17]: %timeit df['delta_x'] = df.x - df.merge(df, left_on=['t', 'l1', 'l2'], right_on=['t.1', 'l1', 'l2'],how='left',suffixes=['','.1'])['x.1']
100 loops, best of 3: 3.33 ms per loop

Answer 3

我的第一个想法是

df.groupby(['l1', 'l2'])['x'].diff()

有趣的是，Nickil的方法似乎更快。

import pandas as pd
import timeit

df = pd.DataFrame(data=[(t, l1, l2, t * t * (1 + l2 + l1))
                        for t in range(3)
                        for l1 in [3, 4]
                        for l2 in [10, 100]],
                  columns=['t', 'l1', 'l2', 'x'])

N = 1000

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())", setup='from __main__ import df', number=N)
print(t)  # 1.8100

def diff(x):
    return x - x.shift()

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].apply(diff)", setup='from __main__ import df, diff', number=N)
print(t)  # 2.6829

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].diff()", setup='from __main__ import df', number=N)
print(t)  # 2.5710

计算具有多个索引列的行的差异

3 个答案:

在我的回答中实现MAXU的评论。