[英]Is there a function to get the difference between two values on a pandas dataframe timeseries?
我在NYT covid 数据集上闲逛,该数据集每天都有每个县的 covid 病例总数。
我想找出每天之间的案例差异,所以理论上我可以获得每天的新案例数量而不是总案例数。 采用滚动平均值,或使用平均值/总和/等每 2 天重新采样都可以正常工作。 只是减去这让我很头疼。
尝试过的方法:
df.resample('2d').diff()
'DatetimeIndexResampler' object 没有属性 'diff'
df.resample('1d').agg(np.subtract)
ufunc() 缺少 2 个必需位置参数中的 1 个
df.rolling(2).diff()
'Rolling' object 没有属性 'diff'
df.rolling('2').agg(np.subtract)
ufunc() 缺少 2 个必需位置参数中的 1 个
样本数据:
pd.DataFrame(data={'state':['Alabama','Alabama','Alabama','Alabama','Alabama'],
'date':[dt.date(2020,3,13),dt.date(2020,3,14),dt.date(2020,3,15),dt.date(2020,3,16),dt.date(2020,3,17)],
'covid_cases':[1.2,2.0,2.9,3.6,3.9]
})
所需样本 output:
pd.DataFrame(data={'state':['Alabama','Alabama','Alabama','Alabama','Alabama'],
'date':[dt.date(2020,3,13),dt.date(2020,3,14),dt.date(2020,3,15),dt.date(2020,3,16),dt.date(2020,3,17)],
'new_covid_cases':[np.nan,0.8,0.9,0.7,0.3]
})
从原始 NYT 数据集重新创建示例数据:
df = pd.read_csv('https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv',parse_dates=['date'])
df.groupby(['state','date'])[['cases']].mean().reset_index()
任何帮助将不胜感激。 想学习如何手动/通过 function 执行此操作,而不是查找“新案例”数据集,因为我将在不久的将来大量使用时间序列。
让我们试试这段完整的代码:
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv')
df['date'] = pd.to_datetime(df['date'])
df_daily_state = df.groupby(['date','state'])['cases'].sum().unstack()
daily_new_cases_AL = df_daily_state.diff()['Alabama']
ax = daily_new_cases_AL.iloc[-30:].plot.bar(title='Last 30 days Alabama New Cases')
Output:
diff function 是正确的,但是如果您查看错误消息:
'DatetimeIndexResampler' object has no attribute 'diff'
在您第一次尝试的方法中,这是因为 diff 是一个 function 可用于 DataFrames,而不是 Resamplers,因此通过指定您要如何对其进行重新采样将其变回 DataFrame。
如果您有每天的 COVID 病例总数并想将其重新采样为 2 天,您可能只想保留这两天的最新更新,在这种情况下,类似于df.resample('2d').last().diff()
应该有效。
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.