Question

我有一个数据框，其中有几组数字序列，其中的值是累积的。请考虑以下内容：

df = pd.DataFrame({'Cat': ['A', 'A','A','A', 'B','B','B','B'], 'Indicator': [1,2,3,4,1,2,3,4], 'Cumulative1': [1,3,6,7,2,4,6,9], 'Cumulative2': [1,3,4,6,1,5,7,12]})

In [74]:df
Out[74]: 
Cat  Cumulative1  Cumulative2  Indicator
0   A            1            1          1
1   A            3            3          2
2   A            6            4          3
3   A            7            6          4
4   B            2            1          1
5   B            4            5          2
6   B            6            7          3
7   B            9           12          4

我需要为Cumulative1和Cumulative2创建离散序列，起始点是“ Indicator”中最早的条目。

我的方法是使用diff（）

In[82]: df['Discrete1'] = df.groupby('Cat')['Cumulative1'].diff()
Out[82]: df
  Cat  Cumulative1  Cumulative2  Indicator  Discrete1
0   A            1            1          1        NaN
1   A            3            3          2        2.0
2   A            6            4          3        3.0
3   A            7            6          4        1.0
4   B            2            1          1        NaN
5   B            4            5          2        2.0
6   B            6            7          3        2.0
7   B            9           12          4        3.0

我有3个问题：

如何以优雅/ Python方式避免NaN？在原始累积序列中可以找到正确的值。

其次，我如何优雅地将此计算应用于所有系列，例如-

 cols = ['Cumulative1', 'Cumulative2']

第三，我有很多数据需要这种计算-这是最有效的方法吗？

Answer 1

您不想避免使用NaN，而是要使用“累积”列中的起始值来填充它们：

df['Discrete1'] = df['Discrete1'].combine_first(df['Cumulative1'])

要将操作应用于所有（或选择）列，请将其广播到所有感兴趣的列：

sources = 'Cumulative1', 'Cumulative2'
targets = ["Discrete" + x[len('Cumulative'):] for x in sources]

df[targets] = df.groupby('Cat')[sources].diff()

您仍然必须循环调节NaN：

for s,t in zip(sources, targets):
    df[t] = df[t].combine_first(df[s])

Python熊猫：从累积中创建离散序列

1 个答案: