Question

我正在尝试学习一些本来应该在SQL窗口函数中进行的熊猫。

假设我有以下数据框，该数据框显示了不同球员之前的比赛以及每场比赛杀死了多少人。

 date          player        kills 
 2019-01-01      a             15
 2019-01-02      b             20
 2019-01-03      a             10
 2019-03-04      a             20

在下面的代码中，我设法创建了一个groupby，其中只显示以前的击杀总和（玩家击杀的总和，不包括他在当前行的游戏中获得的击杀）。

df['sum_kills'] =    df.groupby('player')['kills'].transform(lambda x: x.cumsum().shift())

这将创建以下值：

 date          player        kills    sum_kills
 2019-01-01      a             15      NaN
 2019-01-02      b             20      NaN
 2019-01-03      a             10      15
 2019-03-04      a             20      25

但是，我理想中想要的是在组合值中包括filter / where子句的选项。假设我只想获取前30天（1个月）的总和。然后，我的新数据框应如下所示：

 date          player        kills    sum_kills
 2019-01-01      a             15      NaN
 2019-01-02      b             20      NaN
 2019-01-03      a             10      15
 2019-03-04      a             20      NaN

最后一行将提供零的summed_kills，因为在过去的一个月中没有玩过玩家a的游戏。这有可能吗？

Answer 1

我认为您在使用groupby和transform时有些紧张。如here所述，transform在单个序列上进行操作，因此您无法访问其他列的数据。
groupby和apply似乎也不是正确的方法，因为预期自定义函数将返回groupby传递的组的汇总结果，但是您希望每一行都有不同的结果

因此，我建议的最佳解决方案是不使用apply的{{1}}，并在自定义函数中自行执行所有选择：

groupy

这将返回：

def killcount(x, data, timewin):
    """count the player's kills in a time window before the time of current row.
    x: dataframe row
    data: full dataframe
    timewin: a pandas.Timedelta
    """
    return data.loc[(data['date'] < x['date']) #select dates preceding current row
            & (data['date'] >= x['date']-timewin) #select dates in the timewin                
            & (data['player'] == x['player'])]['kills'].sum() #select rows with same player

df['sum_kills'] = df.apply(lambda r : killcount(r, df, pd.Timedelta(30, 'D')), axis=1)

如果尚未完成操作，请记住使用pandas.to_datetime将date player kills sum_kills 0 2019-01-01 a 15 0 1 2019-01-02 b 20 0 2 2019-01-03 a 10 15 3 2019-03-04 a 20 0列解析为日期时间类型，否则无法执行日期比较。

熊猫：分组，使用“ where子句”进行求和+ Shift

1 个答案: