close
最近發現周圍的很多小夥伴們都不太樂意使用pandas，轉而投向其他的數據操作庫，身為一個數據工作者，基本上是張口pandas，閉口pandas了，故而寫下此系列以讓更多的小夥伴們愛上pandas。
系列文章說明：
系列名（系列文章序號）——此次系列文章具體解決的需求
平台：
現有一組數據，包含類別列，日期列，以及其他需要進行差異值計算的數值列，如計算蘋果在2022-01-02賣出的數量比2022-01-01賣出的數量多了多少。
/ 需求拆解需要對每個類型進行分組求值，那麼首先需要將各類型進行分類，然後再對各個類型進行求值就能夠完成需求。
/ 需求處理使用for循環再對類型進行索引取值，再求出差異值這裡不做描述，在pandas里有個函數groupby可以很有效的將每個類型分隔開，返回時將所有結果進行聚合，非常適合該需求
可以看到每個類型的首日和其他日期計算的結果是正確的。
得出的結果與方法一是一樣的。
除上述簡單明了的方法之外，還寫了一個另類的求值方法。
importnumpyasnpimportpandasaspddefget_data_diff(data:pd.DataFrame,group_cols:list,val_cols:list,diff_cols:list,ascending:bool=True):"""自定義獲取數據框的diff:paramdata:pd.DataFrame類型:paramgroup_cols:list,需要聚合的列名:paramval_cols:list,需要排序的列名:paramdiff_cols:list,需要計算diff的列名:paramascending:排序方式，默認`True`，順序排序，接收bool或這個列表里全部為bool的列表:return:返回含diff的數據框"""#為了能返回傳入數據框的原index，將index保存至values中datac=data.reset_index().copy()index_colname=datac.columns[0]#對原數據框進行排序datac.sort_values(group_cols+val_cols,ascending=ascending,inplace=True)#求diffdatac[[f'{i}_diff'foriindiff_cols]]=datac[diff_cols].diff()#主要代碼：分組對組內進行編號rank0=np.hstack(datac.value_counts(group_cols,sort=False).map(lambdax:range(x)).values)#將每個類別的首個值用np.nan代替datac.loc[rank0==0,[f'{i}_diff'foriindiff_cols]]=np.nan#取出原index重置為index值datac.index=datac[index_colname].values#刪除額外生成的index值的列deldatac[index_colname]returndatacget_data_diff(df,['類型'],['日期'],['進貨總量','賣出總量'])使用這個自擬的函數也可以達成目標。
（手動水印：原創CSDN宿者朽命，https://blog.csdn.net/weixin_46281427?spm=1011.2124.3001.5343，公眾號A11Dot派)
/ 總結依賴pandas對行之間進行差異值計算(diff)也是非常方便的，如果需要分類計算只需要在diff前調用groupby方法就能完成需求，在之前的幾篇中有提到過groupby後面接apply，若apply調用的是自定義函數，如匿名函數，會使計算時間延長，為了能較快的得出結果，可儘量使用已定義好的方法。
久旱逢甘露，滴水當湧泉。
於二零二二年三月三十日作
全站熱搜
留言列表