熊猫中的数据集：如果下一个值小于前一个值，则增加偏移量

Question

我最初有以下数据集：

value;date
100;2021-01-01
160;2021-02-01
250;2021-02-15
10;2021-03-01
90;2021-04-01
150;2021-04-15
350;2021-06-01
20;2021-07-01
100;2021-08-01
10;2021-08-10

每当值“值”下降时（例如，从 250 到 2021-03-01 的 10），我想将旧值保存为偏移量。

当值再次下降时（例如 2021 年 7 月 1 日从 350 下降到 20）我想将新的偏移量添加到旧的偏移量 (350 + 250)。

然后我想用这些值添加偏移量，以便在最后得到以下数据集：

value;date;offset;corrected_value
100;2021-01-01;0;100
160;2021-02-01;0;160
250;2021-02-15;0;250
10;2021-03-01;250;260
90;2021-04-01;250;340
150;2021-04-15;250;400
350;2021-06-01;250;600
20;2021-07-01;600;620
100;2021-08-01;600;700
10;2021-08-10;700;710

我目前的（糟糕的）方法不起作用：

    df['date'] = pd.to_datetime(df['date'])
    df.index = df['date']
    del df['date']
    df.drop_duplicates(keep='first')

    df['previous'] = df['value'].shift(1)

    def pn(current, previous, offset):
        if not pd.isna(previous):
            if current < previous:
                return previous + offset
        return offset

    df['offset'] = 0
    df['offset'] = df.apply(lambda row: pn(row['value'], row['previous'], row['offset']), axis=1)

非常感谢您的帮助，谢谢！

干杯

Answer 1

用 pd.Series.diff and pd.Series.shift. Fill with 0 and compute the cumsum 在 'value' 列中找到所需的位置。将 'offset' 列添加到 'value'

df['offset'] = df.value[df.value.diff().lt(0).shift(-1, fill_value=False)]
df['offset'] = df.offset.shift(1).fillna(0).cumsum().astype('int')

df['correct_value'] = df.offset + df.value
df

输出

   value        date  offset  correct_value
0    100  2021-01-01       0            100
1    160  2021-02-01       0            160
2    250  2021-02-15       0            250
3     10  2021-03-01     250            260
4     90  2021-04-01     250            340
5    150  2021-04-15     250            400
6    350  2021-06-01     250            600
7     20  2021-07-01     600            620
8    100  2021-08-01     600            700
9     10  2021-08-10     700            710

熊猫中的数据集：如果下一个值小于前一个值，则增加偏移量

DataSet in Panda: Increase Offset if next value is smaller then previous one

python

dataset

pandas