![](/img/trans.png)
[英]Python Pandas equivalent for SQL case statement using lead and lag window function
[英]Pandas equivalent of Oracle Lead/Lag function
首先,我是熊猫的新手,但我已经爱上了它。 我正在尝试从 Oracle 实现等效的 Lag 函数。
假设你有这个 DataFrame:
Date Group Data
2014-05-14 09:10:00 A 1
2014-05-14 09:20:00 A 2
2014-05-14 09:30:00 A 3
2014-05-14 09:40:00 A 4
2014-05-14 09:50:00 A 5
2014-05-14 10:00:00 B 1
2014-05-14 10:10:00 B 2
2014-05-14 10:20:00 B 3
2014-05-14 10:30:00 B 4
如果这是一个 oracle 数据库,并且我想创建一个按“组”列分组并按日期排序的滞后函数,我可以轻松地使用此函数:
LAG(Data,1,NULL) OVER (PARTITION BY Group ORDER BY Date ASC) AS Data_lagged
这将导致下表:
Date Group Data Data lagged
2014-05-14 09:10:00 A 1 Null
2014-05-14 09:20:00 A 2 1
2014-05-14 09:30:00 A 3 2
2014-05-14 09:40:00 A 4 3
2014-05-14 09:50:00 A 5 4
2014-05-14 10:00:00 B 1 Null
2014-05-14 10:10:00 B 2 1
2014-05-14 10:20:00 B 3 2
2014-05-14 10:30:00 B 4 3
在熊猫中,我可以将日期设置为索引并使用 shift 方法:
db["Data_lagged"] = db.Data.shift(1)
唯一的问题是这不按列分组。 即使我将 Date 和 Group 两列设置为索引,我仍然会在滞后列中得到“5”。
有没有办法在 Pandas 中实现等效的 Lead 和 Lag 函数?
您可以执行groupby/apply (shift) 操作:
In [15]: df['Data_lagged'] = df.groupby(['Group'])['Data'].shift(1)
In [16]: df
Out[16]:
Date Group Data Data_lagged
2014-05-14 09:10:00 A 1 NaN
2014-05-14 09:20:00 A 2 1
2014-05-14 09:30:00 A 3 2
2014-05-14 09:40:00 A 4 3
2014-05-14 09:50:00 A 5 4
2014-05-14 10:00:00 B 1 NaN
2014-05-14 10:10:00 B 2 1
2014-05-14 10:20:00 B 3 2
2014-05-14 10:30:00 B 4 3
[9 rows x 4 columns]
要获得ORDER BY Date ASC
效果,必须先对 DataFrame 进行排序:
df['Data_lagged'] = (df.sort_values(by=['Date'], ascending=True)
.groupby(['Group'])['Data'].shift(1))
对于 Pandas 中的引导操作,只需要使用 shift(-1) 而不是 1
df['Data_lead'] = df.groupby(['Group'])['Data'].shift(-1)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.