[英]python pandas groupby calculate change
我想按組計算價值變化。
這是python pandas dataframe df我有:
Group | Date | Value
A 01-02-2016 16
A 01-03-2016 15
A 01-04-2016 14
A 01-05-2016 17
A 01-06-2016 19
A 01-07-2016 20
B 01-02-2016 16
B 01-03-2016 13
B 01-04-2016 13
C 01-02-2016 16
C 01-03-2016 16
我想計算一下,對於A組,值正在上升,對於B組他們正在下降而對於C組他們沒有變化。
我不確定如何處理它,因為在A組中,值最初會減少然后增加。 那么我應該看看平均變化或最近的變化?
我應該使用pct_change嗎? http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.pct_change.html我不知道如何指定時間幀。
df.groupby.pct_change
如果我能想象它也會很棒。 任何建議或提示非常感謝! 謝謝
在groupby
使用pct_change
d1 = df.set_index(['Date', 'Group']).Value
d2 = d1.groupby(level='Group').pct_change()
print(d2)
Date Group
2016-01-02 A NaN
2016-01-03 A -0.062500
2016-01-04 A -0.066667
2016-01-05 A 0.214286
2016-01-06 A 0.117647
2016-01-07 A 0.052632
2016-01-02 B NaN
2016-01-03 B -0.187500
2016-01-04 B 0.000000
2016-01-02 C NaN
2016-01-03 C 0.000000
Name: Value, dtype: float64
可視化和比較的許多方法之一是看它們如何成長。 在這種情況下,我會
fillna(0)
add(1)
cumprod()
d2.fillna(0).add(1).cumprod().unstack().plot()
建立
from io import StringIO
import pandas as pd
txt = """Group Date Value
A 01-02-2016 16
A 01-03-2016 15
A 01-04-2016 14
A 01-05-2016 17
A 01-06-2016 19
A 01-07-2016 20
B 01-02-2016 16
B 01-03-2016 13
B 01-04-2016 13
C 01-02-2016 16
C 01-03-2016 16 """
df = pd.read_clipboard(parse_dates=[1])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.