Question

我需要通过将滚动窗口应用于在数据帧中彼此不相邻的值来为具有给定结构的数据帧计算新列。

我的数据框是由以下内容定义的：

df = pd.DataFrame([    
    {'date': date(2019,1,1), 'id': 1, 'value': 1},
    {'date': date(2019,1,1), 'id': 2, 'value': 10},
    {'date': date(2019,1,1), 'id': 3, 'value': 100},
    {'date': date(2019,1,2), 'id': 1, 'value': 2},
    {'date': date(2019,1,2), 'id': 2, 'value': 20},
    {'date': date(2019,1,2), 'id': 3, 'value': 200},
    {'date': date(2019,1,3), 'id': 1, 'value': 3},
    {'date': date(2019,1,3), 'id': 2, 'value': 30},
    {'date': date(2019,1,3), 'id': 3, 'value': 300},  
    {'date': date(2019,1,6), 'id': 1, 'value': 4},
    {'date': date(2019,1,6), 'id': 2, 'value': 40},
    {'date': date(2019,1,6), 'id': 3, 'value': 400},
                  ])
df=df.set_index(['date', 'id'], drop=False).sort_index()

它使df看起来像这样：

                   date     id  value
date        id      
--------------+--------------------------   
2019-01-01  1 | 2019-01-01  1   1
            2 | 2019-01-01  2   10
            3 | 2019-01-01  3   100
2019-01-02  1 | 2019-01-02  1   2
            2 | 2019-01-02  2   20
            3 | 2019-01-02  3   200
2019-01-03  1 | 2019-01-03  1   3
            2 | 2019-01-03  2   30
            3 | 2019-01-03  3   300
2019-01-06  1 | 2019-01-06  1   4
            2 | 2019-01-06  2   40
            3 | 2019-01-06  3   400

我想测量每个 id 从一天（给定）到第二天的值列的变化。因此，对于id==1，从2019-01-01到2019-01-02的变化是(2-1) / 1 = 2，从2019-01-03到2019-01-06的变化是(4-3) / 3 = 0.333。

如果我像这样重构df，以便所有值彼此相邻，我可以计算所需的列：

restructured = df.reset_index(drop=True).set_index(['date']).sort_index()
df1 = restructured.groupby('id').rolling(2).apply(lambda x: (x.max()-x.min())/x.min(), raw=False)

在值列中得出所需的值：

                 id     value
id  date 
---------------+--------------------        
1   2019-01-01 | NaN    NaN
    2019-01-02 | 0.0    1.000000
    2019-01-03 | 0.0    0.500000
    2019-01-06 | 0.0    0.333333
2   2019-01-01 | NaN    NaN
    2019-01-02 | 0.0    1.000000
    2019-01-03 | 0.0    0.500000
    2019-01-06 | 0.0    0.333333
3   2019-01-01 | NaN    NaN
    2019-01-02 | 0.0    1.000000
    2019-01-03 | 0.0    0.500000
    2019-01-06 | 0.0    0.333333

如何将该列合并/合并到原始结构中的df或以其他方式计算值，以使结果数据框看起来像这样（添加了 change_pct 列的第一个df）：

                   date     id  value   change_pct
date        id      
--------------+---------------------------------    
2019-01-01  1 | 2019-01-01  1   1       NaN
            2 | 2019-01-01  2   10      NaN
            3 | 2019-01-01  3   100     NaN
2019-01-02  1 | 2019-01-02  1   2       1.000000
            2 | 2019-01-02  2   20      1.000000
            3 | 2019-01-02  3   200     1.000000
2019-01-03  1 | 2019-01-03  1   3       0.500000
            2 | 2019-01-03  2   30      0.500000
            3 | 2019-01-03  3   300     0.500000
2019-01-06  1 | 2019-01-06  1   4       0.333333
            2 | 2019-01-06  2   40      0.333333
            3 | 2019-01-06  3   400     0.333333

Answer 1

IIUC，这可能更简单。

df['change_pct']=df.groupby('id')['value'].pct_change()

为此，请勿运行此df=df.set_index(['date', 'id'], drop=False).sort_index()。只需直接在df上运行以上行即可。

输出

        date    id  value   change_pct
0   2019-01-01  1   1       NaN
1   2019-01-01  2   10      NaN
2   2019-01-01  3   100     NaN
3   2019-01-02  1   2       1.000000
4   2019-01-02  2   20      1.000000
5   2019-01-02  3   200     1.000000
6   2019-01-03  1   3       0.500000
7   2019-01-03  2   30      0.500000
8   2019-01-03  3   300     0.500000
9   2019-01-06  1   4       0.333333
10  2019-01-06  2   40      0.333333
11  2019-01-06  3   400     0.333333

Answer 2

您可以使用level kwarg groupby来索引的一部分：

df.value.groupby(id, level=1).rolling(2).apply(lambda x: (x.max()-x.min())/x.min(), raw=False)

Answer 3

SH-SF的回答指导我解决了这个问题：

如果我只处理未索引的df，问题就变得容易了

df = pd.DataFrame([    
    {'date': date(2019,1,1), 'id': 1, 'value': 1},
    {'date': date(2019,1,1), 'id': 2, 'value': 10},
    {'date': date(2019,1,1), 'id': 3, 'value': 100},
    {'date': date(2019,1,2), 'id': 1, 'value': 2},
    {'date': date(2019,1,2), 'id': 2, 'value': 20},
    {'date': date(2019,1,2), 'id': 3, 'value': 200},
    {'date': date(2019,1,3), 'id': 1, 'value': 3},
    {'date': date(2019,1,3), 'id': 2, 'value': 30},
    {'date': date(2019,1,3), 'id': 3, 'value': 300},  
    {'date': date(2019,1,6), 'id': 1, 'value': 4},
    {'date': date(2019,1,6), 'id': 2, 'value': 40},
    {'date': date(2019,1,6), 'id': 3, 'value': 400},
])

df=df.sort_values(['id', 'date']) # make sure everything is in correct order

window_size=2 # the window size is adjustable

#calculate values
c= df.groupby('id')['value'].rolling(window_size).apply(lambda x: (x.max()-x.min())/x.min(), raw=False)

df[change_pct] = c.values # create new column in df

#now I can create the structure I need
df=df.set_index(['date', 'id'], drop=False).sort_index()

在熊猫的非连续值上应用滚动窗口

3 个答案: