使用 pandas' groupby 进行移位
Using pandas' groupby with shifting
我希望在 groupby 操作中使用 pd.rolling_mean。我想在每个组中对同一组中的 previous elemnet 进行滚动平均。这是一个例子：
id val
0 1
0 2
0 3
1 4
1 5
2 6
按id分组，这应该转化为：
id val
0 nan
0 1
0 1.5
1 nan
1 4
2 nan
我认为你需要 groupby 与 shift 和 rolling，window 大小可以设置为标量：
df['val']=df.groupby('id')['val'].apply(lambda x: x.shift().rolling(2, min_periods=1).mean())
print (df)
id val
0 0 NaN
1 0 1.0
2 0 1.5
3 1 NaN
4 1 4.0
5 2 NaN
感谢 的评论 - 您可以根据组的最大长度设置 window 大小：
f = lambda x: x.shift().rolling(df['id'].value_counts().iloc[0], min_periods=1).mean()
df['val'] = df.groupby('id')['val'].apply(f)
print (df)
id val
0 0 NaN
1 0 1.0
2 0 1.5
3 1 NaN
4 1 4.0
5 2 NaN
我相信你想要pd.Series.expanding
df.groupby('id').val.apply(lambda x: x.expanding().mean().shift())
0 NaN
1 1.0
2 1.5
3 NaN
4 4.0
5 NaN
Name: val, dtype: float64
我希望在 groupby 操作中使用 pd.rolling_mean。我想在每个组中对同一组中的 previous elemnet 进行滚动平均。这是一个例子：
id val
0 1
0 2
0 3
1 4
1 5
2 6
按id分组，这应该转化为：
id val
0 nan
0 1
0 1.5
1 nan
1 4
2 nan
我认为你需要 groupby 与 shift 和 rolling，window 大小可以设置为标量：
df['val']=df.groupby('id')['val'].apply(lambda x: x.shift().rolling(2, min_periods=1).mean())
print (df)
id val
0 0 NaN
1 0 1.0
2 0 1.5
3 1 NaN
4 1 4.0
5 2 NaN
感谢
f = lambda x: x.shift().rolling(df['id'].value_counts().iloc[0], min_periods=1).mean()
df['val'] = df.groupby('id')['val'].apply(f)
print (df)
id val
0 0 NaN
1 0 1.0
2 0 1.5
3 1 NaN
4 1 4.0
5 2 NaN
我相信你想要pd.Series.expanding
df.groupby('id').val.apply(lambda x: x.expanding().mean().shift())
0 NaN
1 1.0
2 1.5
3 NaN
4 4.0
5 NaN
Name: val, dtype: float64