我有一种情况,我有一个数据框行来执行计算,我需要使用后面(可能前面)行中的值来进行这些计算(本质上是基于真实数据集的完美预测)。我从之前的 df.apply
调用中获取每一行,因此我可以将整个 df 传递给下游对象,但根据我分析中对象的复杂性,这似乎不太理想。
我发现了一个密切相关的问题和答案 [1],但问题实际上根本不同,因为我的计算不需要整个 df,只需以下 x
数量行(这对于大型 df 可能很重要)。
所以,例如:
df = pd.DataFrame([100, 200, 300, 400, 500, 600, 700, 800, 900, 1000],
columns=['PRICE'])
horizon = 3
我需要在按行的 df.apply
调用中访问以下 3 (horizon
) 行中的值。如何在我的行式应用计算中动态地获得对接下来 3 个数据点的简单预测?例如对于第一行,PRICE
是 100
,我需要在我的计算中使用 [200, 300, 400]
作为预测.
[1] apply a function to a pandas Dataframe whose returned value is based on other rows
最佳答案
通过使用 row.name
在 df.apply()
调用中获取行的索引,您可以生成相对于当前所在行的“预测”数据。这实际上是一个将“预测”放入相关行的预处理步骤,或者如果 df 在下游可用,它可以作为初始 df.apply()
调用的一部分完成。
df = pd.DataFrame(
[100, 200, 300, 400, 500, 600, 700, 800, 900, 1000],
columns=["PRICE"]
)
horizon = 3
df["FORECAST"] = df.apply(
lambda x: [df["PRICE"][x.name + 1 : x.name + horizon + 1]],
axis=1
)
结果:
PRICE FORECAST
0 100 [200, 300, 400]
1 200 [300, 400, 500]
2 300 [400, 500, 600]
3 400 [500, 600, 700]
4 500 [600, 700, 800]
5 600 [700, 800, 900]
6 700 [800, 900, 1000]
7 800 [900, 1000]
8 900 [1000]
9 1000 []
可以在您的行式 df.apply()
计算中使用。
编辑: 如果您想从生成的“预测”中删除索引:
df["FORECAST"] = df.apply(
lambda x: [df["PRICE"][x.name + 1 : x.name + horizon + 1].reset_index(drop=True)],
axis=1
)
关于python - 使用其他行中的值将函数应用于 pandas 数据框行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37149358/