我想以“滚动”方式获取数据框子集。 我尝试了几件事都没有成功,这是我想做的一个例子。让我们考虑数据框。
df
var1 var2
0 43 74
1 44 74
2 45 66
3 46 268
4 47 66
我想使用以下函数创建一个新列来执行条件求和:
def func(x):
tmp = (x["var1"] * (x["var2"] == 74)).sum()
return tmp
然后这样调用它
df["newvar"] = df.rolling(2, min_periods=1).apply(func)
这意味着该函数将基于数据框应用,而不是针对每一行或每一列
它会回来
var1 var2 newvar
0 43 74 43 # 43
1 44 74 87 # 43 * 1 + 44 * 1
2 45 66 44 # 44 * 1 + 45 * 0
3 46 268 0 # 45 * 0 + 46 * 0
4 47 66 0 # 46 * 0 + 47 * 0
有没有pythonic的方法来做到这一点? 这只是一个示例,但条件(始终基于子数据框值取决于超过 2 列。
最佳答案
更新评论
@unutbu 对 a very similar question here 发表了很好的回答但看起来他的答案是基于将索引传递给函数的 pd.rolling_apply
。我不确定如何使用当前的 DataFrame.rolling.apply
方法复制它。
原始答案
似乎通过 apply
函数传递给参数的变量是每列(一次一个)的 numpy 数组,而不是 DataFrame,因此您无权访问任何其他列不幸的是。
但是你可以做的是使用一些 bool 逻辑根据 var2
是否为 74 临时创建一个新列,然后使用滚动方法。
df['new_var'] = df.var2.eq(74).mul(df.var1).rolling(2, min_periods=1).sum()
var1 var2 new_var
0 43 74 43.0
1 44 74 87.0
2 45 66 44.0
3 46 268 0.0
4 47 66 0.0
临时列是基于上面的前半部分代码。
df.var2.eq(74).mul(df.var1)
# or equivalently with operators
# (df['var2'] == 74) * df['var1']
0 43
1 44
2 0
3 0
4 0
查找传递给 apply 的变量类型
了解实际传递给 apply 函数的内容非常重要,我不能总是记住传递的内容,所以如果我不确定,我会打印出变量及其类型,这样我就清楚了我正在处理什么对象。使用原始 DataFrame 查看此示例。
def foo(x):
print(x)
print(type(x))
return x.sum()
df.rolling(2, min_periods=1).apply(foo)
输出
[ 43.]
<class 'numpy.ndarray'>
[ 43. 44.]
<class 'numpy.ndarray'>
[ 44. 45.]
<class 'numpy.ndarray'>
[ 45. 46.]
<class 'numpy.ndarray'>
[ 46. 47.]
<class 'numpy.ndarray'>
[ 74.]
<class 'numpy.ndarray'>
[ 74. 74.]
<class 'numpy.ndarray'>
[ 74. 66.]
<class 'numpy.ndarray'>
[ 66. 268.]
<class 'numpy.ndarray'>
[ 268. 66.]
<class 'numpy.ndarray'>
关于python - 如何获取滚动 Pandas 数据框子集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41701246/