您好,我无法通过 python 中的滚动均值和 groupby 函数创建所需的输出。下面是我的数据框的快照....
var_x = range(0, 12)
var_y = range(20, 44, 2)
var_z = range(0, 60, 5)
ID = ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b', 'c', 'c', 'c']
df = DataFrame(zip(ID, var_x, var_y, var_z), columns = ['id', 'var_x', 'var_y', 'var_z'])
df
id var_x var_y var_z
a 0 20 0
a 1 22 5
a 2 24 10
a 3 26 15
b 4 28 20
b 5 30 25
b 6 32 30
b 7 34 35
b 8 36 40
c 9 38 45
c 10 40 50
c 11 42 55
利用这些数据,我试图完成三件事: - 首先,我想使用 groupby 为“id”字段计算滚动平均值。我可以为单个列执行此操作,但不能为每个数字字段(var_y、var_z)执行此操作,使用以下代码。
df.groupby('id')['var_x'].apply(pd.rolling_mean, 3)
其次,我希望将前 3 个 ID 的平均值填充到当前 ID,而不将当前 ID 的值包含在当前滚动平均迭代中(可能使用 shift?)。例如,看起来像这样的输出...
0 NaN NaN NaN 1 NaN NaN NaN 2 NaN NaN NaN 3 1 22 5 4 NaN NaN NaN 5 NaN NaN NaN 6 NaN NaN NaN 7 5 30 25 8 6 32 30 9 NaN NaN NaN 10 NaN NaN NaN 11 NaN NaN NaN
请注意第 4 个“a”是前 3 个 a 的平均值。第 4 个和第 5 个 b 也是如此(取前 3 个平均值的值,同时排除它自己的值)。
第三,对于以“NaN”结尾的 ID(每个新 ID 的前三个),我想迭代地将窗口从 3 减少到 1(如果可能),这样唯一的值NaN 将是每个 ID 的第一个实例。所需的输出将是...
0 NaN NaN NaN 1 0 20 0 2 0.5 21 2.5 3 1 22 5 4 NaN NaN NaN 5 4 28 20 6 4.5 29 22.5 7 5 30 25 8 6 32 30 9 NaN NaN NaN 10 9 38 45 11 9.5 39 47.5
请注意第 3 个 a 是前 2 个 a 的平均值。第二个 a 是第一个等的值...
如有任何帮助,我们将不胜感激。
请您参考如下方法:
让我通过将“id”作为索引来对示例数据进行轻微更改。这主要是通过保存一列来简化数据,同时也有解决问题1的副作用。
df = pd.DataFrame({'var_x':range(12), 'var_y':range(20,44,2), 'var_z':range(0,60,5)},
index=list('aaaabbbbbccc'))
var_x var_y var_z
a 0 20 0
a 1 22 5
a 2 24 10
a 3 26 15
b 4 28 20
b 5 30 25
b 6 32 30
b 7 34 35
b 8 36 40
c 9 38 45
c 10 40 50
c 11 42 55
由于数据发生变化,您还将 groupby 语法更改为 level=0。老实说,我不太确定为什么这会解决您的第一个问题,但我确信有一种方法可以在不将索引设置为“id”变量的情况下做到这一点。无论如何...
df2 = df.groupby(level=0).apply(pd.rolling_mean, 3)
var_x var_y var_z
a NaN NaN NaN
a NaN NaN NaN
a 1 22 5
a 2 24 10
b NaN NaN NaN
b NaN NaN NaN
b 5 30 25
b 6 32 30
b 7 34 35
c NaN NaN NaN
c NaN NaN NaN
c 10 40 50
第二部分很简单,只是另一个 groupby,但这次有 shift。
df_win3 = df2.groupby(level=0).shift()
var_x var_y var_z
a NaN NaN NaN
a NaN NaN NaN
a NaN NaN NaN
a 1 22 5
b NaN NaN NaN
b NaN NaN NaN
b NaN NaN NaN
b 5 30 25
b 6 32 30
c NaN NaN NaN
c NaN NaN NaN
c NaN NaN NaN
第三部分只是用不同的窗口重复前两个步骤。
df_win2 = df.groupby(level=0).apply(pd.rolling_mean, 2).groupby(level=0).shift()
df_win1 = df.groupby(level=0).apply(pd.rolling_mean, 1).groupby(level=0).shift()
然后使用 combine_first 合并最左侧数据帧中的值(如果可用)。
df_win3.combine_first(df_win2).combine_first(df_win1)
var_x var_y var_z
a NaN NaN NaN
a 0.0 20 0.0
a 0.5 21 2.5
a 1.0 22 5.0
b NaN NaN NaN
b 4.0 28 20.0
b 4.5 29 22.5
b 5.0 30 25.0
b 6.0 32 30.0
c NaN NaN NaN
c 9.0 38 45.0
c 9.5 39 47.5
