我想通过分组变量来区分熊猫数据框中的所有列,而不区分日期。这是一个可重现的示例:
test_df = pd.DataFrame(data = {
'date': pd.date_range(start = '2018-10-01', periods = 10),
'group': sum([np.repeat('a', 5).tolist(),
np.repeat('b', 5).tolist()], []),
'var1': [1, 3, 4, 6, 8, 10, 11, 14, 8, 10],
'var2': np.random.random(size=10)
})
代码:
test_df.groupby(['group']).diff()
不满足假设,因为它会将
date
列与var1
和var2
区别开来。我想出了一个解决方案:var_names = ['var1', 'var2']
test_df[[('diff.' + var + '.1') for var in var_names]] = (test_df
.groupby(['group'])[var_names].diff())
test_df
date group var1 var2 diff.var1.1 diff.var2.1
0 2018-10-01 a 1 0.237615 NaN NaN
1 2018-10-02 a 3 0.652502 2.0 0.414887
2 2018-10-03 a 4 0.676830 1.0 0.024328
3 2018-10-04 a 6 0.047120 2.0 -0.629710
4 2018-10-05 a 8 0.047494 2.0 0.000374
5 2018-10-06 b 10 0.447973 NaN NaN
6 2018-10-07 b 11 0.428788 1.0 -0.019185
7 2018-10-08 b 14 0.046168 3.0 -0.382620
8 2018-10-09 b 8 0.805820 -6.0 0.759651
9 2018-10-10 b 10 0.329497 2.0 -0.476323
有什么方法可以使它更容易(使用更少的代码或更具可读性的代码)?
最佳答案
使用pd.Index.difference
,您不必手动指定要区分的列,只需指定要排除的列即可。
使用diff.
将DataFrame.add_prefix
前缀添加到每个列名称
使用DataFrame.add_suffix
添加.1
后缀
最后,使用pd.concat
将它们连接在一起
cols = test_df.columns.difference(['group', 'date']).tolist()
v = test_df.groupby('group')[cols].diff().add_prefix('diff.').add_suffix('.1')
df = pd.concat([test_df, v], axis=1)
df
date group var1 var2 diff.var1.1 diff.var2.1
0 2018-10-01 a 1 0.861522 NaN NaN
1 2018-10-02 a 3 0.677932 2.0 -0.183591
2 2018-10-03 a 4 0.232214 1.0 -0.445718
3 2018-10-04 a 6 0.148613 2.0 -0.083600
4 2018-10-05 a 8 0.119071 2.0 -0.029542
5 2018-10-06 b 10 0.279673 NaN NaN
6 2018-10-07 b 11 0.711369 1.0 0.431696
7 2018-10-08 b 14 0.396185 3.0 -0.315184
8 2018-10-09 b 8 0.515509 -6.0 0.119324
9 2018-10-10 b 10 0.319519 2.0 -0.195990
另外,对于更有效的解决方案,可以将
pd.Index.map
用于重命名步骤:v = test_df.groupby('group')[cols].diff()
v.columns = v.columns.map(lambda x: 'diff.' + x + '.1')
关于python - Python Pandas:按组区分数据帧中的所有时间序列,而没有日期变量,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/50357257/