Question

当分组数据的顺序很重要时，如何聚合数据？（如果可以用一种优雅的矢量化方法来完成，则可以得到加分）。如果这很明显，让我举个例子来解释。

假设我在df中有数据：

id    month              value
------------------------------
001   2019-01-01 (Jan)     111
001   2019-02-01 (Feb)     222
001   2019-03-01 (Mar)     333

002   2019-01-01 (Jan)       0
002   2019-02-01 (Feb)       0
002   2019-03-01 (Mar)      25

...   ...                  ...

999   2019-01-01 (Jan)     800
999   2019-02-01 (Feb)     600
999   2019-03-01 (Mar)     400

我可以使用groupby来汇总每个id上的数据：

df.groupby('id')['value'].agg([numpy.sum, numpy.mean])

是否使用numpy.sum，numpy.mean，numpy.max等作为聚合函数，分组的孤立数组的顺序无关紧要（例如{{1 }} [111, 222, 333]）-结果将始终相同。

但是，有些聚合对顺序很重要-例如，我可能要计算：

加权平均值（例如，如果最新值的权重更大）
从头到尾的更改（例如id=001-Mar）
等

当前，我遍历每个Jan，然后：

通过id过滤数据
获取月值元组列表，例如df[df['id']==id]
基于每个元组的第一个元素（即[(Jan,111), (Feb,222), (Mar,333)]
进行汇总

例如，如果我只想查找排序数组的第一个元素与最后一个元素之间的差异，那么我将得出以下结论：

'month'

当分组数据的顺序很重要时，如何汇总数据？

我能否通过使用矢量化而不是遍历每个id finish_minus_start ------------------------ 001 222 002 25 ... ... 999 -400来更有效地做到这一点？

Answer 1

我希望这是您想要的。您可以使用聚合并设置自己的函数。我从两个链接中举了一个例子 Summarizing and Grouping data和First and Last Functions并玩了一点。

df= df.set_index('date')
aggregations = {
    'value': lambda x: x.loc[x.index.max()] - x.loc[x.index.min()]
}
print(df.groupby('id').agg(aggregations))

df.groupby（）-如何在分组数据的顺序很重要的地方聚合数据？

1 个答案: