我想以“滚动”方式获取数据框子集.
我尝试了几项都没有成功,这是我想做的一个例子.让我们考虑数据帧.
df
var1 var2
0 43 74
1 44 74
2 45 66
3 46 268
4 47 66
def func(x):
tmp = (x["var1"] * (x["var2"] == 74)).sum()
return tmp
并这样称呼它
df["newvar"] = df.rolling(2, min_periods=1).apply(func)
这意味着该函数将基于数据帧应用,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pythonic的方法可以做到这一点吗?
这只是一个示例,但条件(始终基于子数据帧值取决于多于2列.
解决方法:
更新的评论
@unutbu对a very similar question here发布了一个很好的答案,但看来他的答案是基于pd.rolling_apply的,该索引将索引传递给函数.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的numpy数组(一次一个),而不是DataFrame,因此很遗憾,您无法访问任何其他列.
但是您可以做的是使用一些布尔逻辑,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
临时列基于上面代码的前半部分.
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
查找传递给应用的变量的类型
了解实际传递给apply函数的内容非常重要,我永远无法记住传递的内容,因此,如果我不确定我会打印出变量及其类型,以便我可以清楚地知道我是哪个对象正在处理.请参阅带有原始DataFrame的此示例.
def foo(x):
print(x)
print(type(x))
return x.sum()
df.rolling(2, min_periods=1).apply(foo)
输出量
[ 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'>