计算销售额滚动（滞后和领先）差异的最佳方法是什么？

Question

我想在我的数据集中添加一个或两个字段，以表示从上周到本周以及从本周到下周的销售额差异。

我的数据集大约有 450 万行，所以我正在寻找一种有效的方法来执行此操作，目前我正在进行大量的迭代和 for 循环，我很确定我会这样做这是错误的方式。但我正在尝试编写可在其他数据集上重复使用的代码，并且在某些情况下您可能会有空值或每周的销售量没有变化（因此没有记录）

数据集如下所示：

Store  Item  WeekID  WeeklySales
1      1567   34      100.00
2      2765   34      86.00
3      1163   34      200.00
1      1567   35      160.00
.      .
.      . 
.      .

我将每周作为自己的字典，然后将每个商店那一周的销售额记录在字典中。所以我可以使用周作为关键字，然后在一周内访问商店的商品销售字典。

weekly_sales_dict = {}
for i in df['WeekID'].unique():
    store_items_dict = {}
    subset = df[df['WeekID'] == i]
    subset = subset.groupby(['Store', 'Item']).agg({'WeeklySales':'sum'}).reset_index()
    for j in subset['Store'].unique():
        storeset = subset[subset['Store'] == j]
        store_items_dict.update({str(j): storeset})
    weekly_sales_dict.update({ str(i) : store_items_dict})

然后我遍历 weekly_sales_dict 中的每个星期，并将其中的每个 store/item 与它后面的一周进行比较（我计划下周也这样做）。我创建的 'lag_list' 可以按周、商店和项目进行索引，因此我打算遍历并将这些值作为新的滞后列添加到我的 df 中，但我觉得我想得太多了。

count = 0 
key_list = list(df['WeekID'].unique())
lag_list = []
for k,v in weekly_sales_dict.items():
    if count != 0 and count != len(df['WeekID'].unique())-1:
        prev_wk = weekly_sales_dict[str(key_list[(count - 1)])]
        current_wk = weekly_sales_dict[str(key_list[count])
        for i in df['Store'].unique():
            prev_df = prev_wk[str(i)]
            current_df = current_wk[str(i)]
            for j in df['Item'].unique():
                print('in j')
                if j in list(current_df['Item'].unique()) and j in list(prev_df['Item'].unique()):
                    item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values - prev_df[prev_df['Item'] == int(j)]['WeeklySales'].values
                    df[df['Item'] == j][df['Store'] == i ][df['WeekID'] == key_list[count]]['lag'] = item_lag[0]
                    lag_list.append((str(i),str(j),item_lag[0]))
                elif j in list(current_df['Item'].unique()):
                    item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values
                    lag_list.append((str(i),str(j),item_lag[0]))
                else:
                    pass
        count += 1
    else:            
        count += 1

Answer 1

使用pd.diff()问题解决了。我按周对所有行进行排序，然后通过对商店、项目和周进行分组来创建具有多索引的子集。最后，我使用了 pd.diff()，周期为 1，最后得到了当前周与前一周的销售额差异。

df = df.sort_values(by = 'WeekID')

subset = df.groupby(['Store', 'Items', 'WeekID']).agg({''WeeklySales'':'sum'})
subset['lag']  = subset[['WeeklySales']].diff(1)

计算销售额滚动（滞后和领先）差异的最佳方法是什么？

What is the best way to compute a rolling (lag and lead) difference in sales?

python

python-3.x

performance

iteration

rolling-computation