Question

我有一个Pandas数据帧如下

df = pd.DataFrame([['John', '1/1/2017','10'],
                   ['John', '2/2/2017','15'],
                   ['John', '2/2/2017','20'],
                   ['John', '3/3/2017','30'],
                   ['Sue', '1/1/2017','10'],
                   ['Sue', '2/2/2017','15'],
                   ['Sue', '3/2/2017','20'],
                   ['Sue', '3/3/2017','7'],
                   ['Sue', '4/4/2017','20']
                  ],
                   columns=['Customer', 'Deposit_Date','DPD'])

。在下面的屏幕截图中计算PreviousMean列的最佳方法是什么？

该列是该客户的DPD年初至今的平均值。即包括所有DPD，但不包括与当前存款日期匹配的行。如果之前没有记录，那么它为空或0。

截图：

备注：

数据按客户名称分组并扩展到存款日期
在每个组中，仅使用前一行中的值计算扩展均值。
在每个新客户开始时，均值为0或者为null，因为之前没有形成均值的记录
数据框按客户名称和Deposit_Date

Answer 1

以下是从平均计算中排除重复天数的一种方法：

# create helper series which is NaN for repeated days, DPD otherwise
s = df.groupby(['Customer Name', 'Deposit_Date']).cumcount() == 1
df['DPD2'] = np.where(s, np.nan, df['DPD'])

# apply pd.expanding_mean
df['CumMean'] = df.groupby(['Customer Name'])['DPD2'].apply(lambda x: pd.expanding_mean(x))

# drop helper series
df = df.drop('DPD2', 1)

print(df)

  Customer Name Deposit_Date  DPD  CumMean
0          John   01/01/2017   10     10.0
1          John   01/01/2017   10     10.0
2          John   02/02/2017   20     15.0
3          John   03/03/2017   30     20.0
4           Sue   01/01/2017   10     10.0
5           Sue   01/01/2017   10     10.0
6           Sue   02/02/2017   20     15.0
7           Sue   03/03/2017   30     20.0

Answer 2

而不是分组＆amp;扩展均值，在条件上过滤数据帧，并计算DPD的平均值：

Customer ==当前行＆＃39; s Customer
Deposit_Date＆lt;当前行Deposit_Date

使用df.apply对数据框中的所有行执行此操作：

df['PreviousMean'] = df.apply(
    lambda x: df[(df.Customer == x.Customer) & (df.Deposit_Date < x.Deposit_Date)].DPD.mean(), 
axis=1)

输出：

  Customer Deposit_Date  DPD  PreviousMean
0     John   2017-01-01   10           NaN
1     John   2017-02-02   15          10.0
2     John   2017-02-02   20          10.0
3     John   2017-03-03   30          15.0
4      Sue   2017-01-01   10           NaN
5      Sue   2017-02-02   15          10.0
6      Sue   2017-03-02   20          12.5
7      Sue   2017-03-03    7          15.0
8      Sue   2017-04-04   20          13.0

Answer 3

好的，这是我迄今为止提出的最佳解决方案。

诀窍是首先在客户和客户处创建聚合表。存款日期等级包含移位均值。要计算这个意思，你必须先计算总和和计数。

{{1}}

Answer 4

在这里找到了一个很好的解决方法：https://medium.com/jbennetcodes/how-to-get-rid-of-loops-and-use-window-functions-in-pandas-or-spark-sql-907f274850e4

Pandas在当前行日期之前和之前扩展平均值

4 个答案: