下面是数据框
Date Name data
01/01/2017 Alpha A
02/01/2017 Alpha A
03/01/2017 Alpha B
01/01/2017 Beta A
01/20/2017 Beta D
03/01/2017 Beta C
04/01/2017 Beta C
05/01/2017 Beta B
预期输出:
Date Name data
Jan 2017 Alpha 1
Feb 2017 Alpha 1
Mar 2017 Alpha 2
Jan 2017 Beta 2
Mar 2017 Beta 3
Apr 2017 Beta 1
May 2017 Beta 2
我正在寻找 3 个月滚动基础上按“名称”分组的“数据”的唯一计数。考虑“2017 年 3 月”和“名称”->“Beta”的示例。因此考虑的月份是 2017 年 1 月、2017 年 2 月、2017 年 3 月,名称为“Beta”。唯一计数为 3。其他人也类似。 请注意,这 3 个月的“数据”计数应该是唯一的
感谢任何帮助。
请您参考如下方法:
按月和 Name 分组,解压并重新采样到月,因此所有月份都存在,并且每个 Name 都有一列
df2 = df.groupby([pd.TimeGrouper('M'), 'Name', ])['data'].apply(set).unstack().resample('M').sum()
df2
Name Alpha Beta
Date
2017-01-31 {A} {A, D}
2017-02-28 {A} None
2017-03-31 {B} {C}
2017-04-30 None {C}
2017-05-31 None {B}
多重迭代器
一些 itertools 魔法可以在同一列上迭代多次
def multiple_iterator(iterable, r=2):
iterators = itertools.tee(iterable, r)
try:
for i, it in enumerate(iterators):
for j in range(i):
next(it)
except StopIteration:
return None
return iterators
真正的工作
def get_unique_items_rolling(df, period):
for col_name, col in df2.iteritems():
s = pd.Series()
# print(f'---{col_name}---')
for idx, *iterators in zip(col.index[period-1:], *multiple_iterator(col, period)):
result = set(itertools.chain.from_iterable(i for i in iterators if pd.notnull(i) and i))
# print(idx, result)
s[idx] = result
yield col_name, s
df3 = pd.DataFrame.from_items(get_unique_items_rolling(df2, period))
Alpha Beta
2017-03-31 {A, B} {A, D, C}
2017-04-30 {A, B} {C}
2017-05-31 {B} {B, C}
df3.stack().apply(len)
Date Name
2017-03-31 Alpha 2
Beta 3
2017-04-30 Alpha 2
Beta 1
2017-05-31 Alpha 1
Beta 2
dtype: int64
