[英]Python pandas: creating a discrete series from a cumulative
我有一個數據框,其中有幾組數字序列,其中的值是累積的。 考慮以下:
df = pd.DataFrame({'Cat': ['A', 'A','A','A', 'B','B','B','B'], 'Indicator': [1,2,3,4,1,2,3,4], 'Cumulative1': [1,3,6,7,2,4,6,9], 'Cumulative2': [1,3,4,6,1,5,7,12]})
In [74]:df
Out[74]:
Cat Cumulative1 Cumulative2 Indicator
0 A 1 1 1
1 A 3 3 2
2 A 6 4 3
3 A 7 6 4
4 B 2 1 1
5 B 4 5 2
6 B 6 7 3
7 B 9 12 4
我需要為Cumulative1和Cumulative2創建離散序列,起始點是“ Indicator”中最早的條目。
我的方法是使用diff()
In[82]: df['Discrete1'] = df.groupby('Cat')['Cumulative1'].diff()
Out[82]: df
Cat Cumulative1 Cumulative2 Indicator Discrete1
0 A 1 1 1 NaN
1 A 3 3 2 2.0
2 A 6 4 3 3.0
3 A 7 6 4 1.0
4 B 2 1 1 NaN
5 B 4 5 2 2.0
6 B 6 7 3 2.0
7 B 9 12 4 3.0
我有3個問題:
如何以優雅/ Python方式避免NaN? 正確的值可以在原始“累積”系列中找到。
其次,如何優雅地將此計算應用於所有系列,例如-
cols = ['Cumulative1', 'Cumulative2']
第三,我有很多數據需要這種計算-這是最有效的方法嗎?
您不想避免使用NaN,而是要使用“累積”列中的起始值來填充它們:
df['Discrete1'] = df['Discrete1'].combine_first(df['Cumulative1'])
要將操作應用於所有(或選擇)列,請將其廣播到所有感興趣的列:
sources = 'Cumulative1', 'Cumulative2'
targets = ["Discrete" + x[len('Cumulative'):] for x in sources]
df[targets] = df.groupby('Cat')[sources].diff()
您仍然必須循環處理NaN:
for s,t in zip(sources, targets):
df[t] = df[t].combine_first(df[s])
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.