[英]Python calculation for moving average
我有一个数据集如下:
import pandas as pd
data = {'Category': ['A','A','A','A','A','A','B','B','B','B','B','C','C','C','C','C'],
'Date' : [1,2,3,4,5,6,1,2,3,4,5,1,2,3,4,5],
'Count': [1,2,3,4,5,1,2,3,4,5,6,1,2,3,4,6]}
df = pd.DataFrame(data)
我试图计算每 3 行的平均计数,不包括按类别分组的当前行,并且日期是从新到旧,如果没有足够的 3 行来计算,它将返回 0。
预期结果应如下所示。 例如:对于日期 1 的类别 A,平均值计算为类别 A 的日期 2、3 和 4 的平均计数。
类别 | 日期 | 数数 | 平均 |
---|---|---|---|
一个 | 1 | 1 | 3 |
一个 | 2 | 2 | 4 |
一个 | 3 | 3 | 3.333333333 |
一个 | 4 | 4 | 2.666666666 |
一个 | 5 | 5 | 0 |
一个 | 6 | 1 | 0 |
乙 | 1 | 2 | 4 |
乙 | 2 | 3 | 5 |
乙 | 3 | 4 | 0 |
乙 | 4 | 5 | 0 |
乙 | 5 | 6 | 0 |
C | 1 | 1 | 3 |
C | 2 | 2 | 4.333333333 |
C | 3 | 3 | 0 |
C | 4 | 4 | 0 |
C | 5 | 6 | 0 |
我试图在下面使用,但没有得到预期的结果
df['average'] = df.groupby(['Category'])['count'].transform(lambda x: x.rolling(3, 1).mean())
您可以将rolling
与shift
和sort_values
结合使用,如下所示:
def reverse_roll(df):
df['Count'] = df.sort_values('Date', ascending=False)['Count'].rolling(3, 3).mean().shift()
df['Count'] = df['Count'].fillna(0.0)
df = df.sort_values('Date', ascending=True)
return df
df.groupby('Category').apply(reverse_roll)
上面, rolling(3, 3)
用于强制滚动 window 始终考虑 3 行而不是更少。 因此,结果的前 2 行将是 NaN,使用fillna
设置为 0。 要在 window 中不包括当前行,请使用shift
。
结果:
Category Date Count
0 A 1 3.000000
1 A 2 4.000000
2 A 3 3.333333
3 A 4 0.000000
4 A 5 0.000000
5 A 6 0.000000
6 B 1 4.000000
7 B 2 5.000000
8 B 3 0.000000
9 B 4 0.000000
10 B 5 0.000000
11 C 1 3.000000
12 C 2 4.333333
13 C 3 0.000000
14 C 4 0.000000
15 C 5 0.000000
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.