假设我有以下数据帧:
df = pd.DataFrame({'city': ['a', 'a', 'a', 'b', 'b', 'c', 'd', 'd', 'd'],
'year': [2013, 2014, 2016, 2015, 2016, 2013, 2016, 2017, 2018],
'value': [10, 12, 16, 20, 21, 11, 15, 13, 16]})
我想找出每个城市和年份的价值与前一年相比的百分比变化。我的最终数据框将是:
city year value
a 2013 NaN
a 2014 0.20
a 2016 NaN
b 2015 NaN
b 2016 0.05
c 2013 NaN
d 2016 NaN
d 2017 -0.14
d 2018 0.23
我尝试在城市中使用一个组,然后使用 apply 但它没有用:
df.groupby('city').apply(lambda x: x.sort_values('year')['value'].pct_change()).reset_index()
它没有用,因为我无法得到年份,也因为这样我认为我有所有城市的所有年份,但事实并非如此。
编辑:我不太关心效率,所以任何解决问题的解决方案对我都是有效的。
答案 0 :(得分:8)
让我们试试惰性 groupby()
,使用 pct_change
进行更改并使用 diff
检测年份跳跃:
groups = df.sort_values('year').groupby(['city'])
df['pct_chg'] = (groups['value'].pct_change()
.where(groups['year'].diff()==1)
)
输出:
city year value pct_chg
0 a 2013 10 NaN
1 a 2014 12 0.200000
2 a 2016 16 NaN
3 b 2015 20 NaN
4 b 2016 21 0.050000
5 c 2013 11 NaN
6 d 2016 15 NaN
7 d 2017 13 -0.133333
8 d 2018 16 0.230769
答案 1 :(得分:3)
虽然@Quang 的回答写得更加优雅和简洁,但我只是添加了另一种使用索引的方法。
sorted_df = df.sort_values(by=['city', 'year'])
sorted_df.loc[((sorted_df.year.diff() == 1) &
(sorted_df.city == sorted_df.city.shift(1))), 'pct_chg'] = sorted_df.value.pct_change()
我的方法更快,正如你在下面看到的在你的 df 上运行一样,但语法并不那么漂亮。
%timeit #mine
1.44 ms ± 2.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit #@Quang's
2.23 ms ± 40.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)