Come eseguire la somma mobile su dataframe panda con group by solo per gli ultimi 365 giorni
Aug 23 2020
Tentativo di calcolare una somma mobile su p_id solo per gli ultimi 365 giorni, creando una nuova colonna che contiene questa somma mobile. Il dataframe con la nuova colonna dovrebbe essere simile a questo:
Date p_id points roll_sum
2016-07-29 57 11 11
2016-08-01 57 9 20
2017-01-12 57 5 25
2017-10-23 57 18 23
2018-03-03 57 0 18
2018-03-06 57 4 22
2019-03-16 57 3 3
1997-04-07 12 50 50
1997-04-09 12 32 82
1998-02-11 12 3 85
1998-05-12 12 0 3
1999-05-22 12 0 3
1999-05-29 12 15 18
2000-07-20 12 2 2
2002-10-27 12 17 19
Ricevo l'errore "La finestra deve essere un numero intero" quando utilizzo questo:
df.groupby(['Date', 'p_id'])['points'].rolling('365D', min_periods=1).sum()
o questo:
df.reset_index(level=0).set_index('Date').groupby('p_id').points.rolling('365D').sum()
Ho provato a cercare su SO, ho ottenuto una risposta simile alla mia ma utilizzava comandi ridondanti per python 2.x
Il data frame può essere ricreato usando il codice:
dates = ['2016-07-29',
'2016-08-01',
'2017-01-12',
'2017-10-23',
'2018-03-03',
'2018-03-06',
'2019-03-16',
'1997-04-07',
'1997-04-09',
'1998-02-11',
'1998-05-12',
'1999-05-22',
'1999-05-29',
'2000-07-20',
'2002-10-27']
pid = [57,57,57,57,57,57,57,12,12,12,12,12,12,12,12]
points = [11,9 ,5 ,18,0 ,4 ,3 ,50,32,3 ,0 ,0 ,15,2 ,17]
roll_sum = [11,20,25,23,18,22,3 ,50,82,85,3 ,3 ,18,2 ,19]
df = pd.DataFrame({'Date': dates,
'p_id': pid,
'points':points,
'roll_sum':roll_sum})
Risposte
1 anon01 Aug 23 2020 at 01:10
puoi aggiungerlo come una serie se l'indice del dataframe e roll_sumcorrisponde; qui l'indice include"p_id", "Date"
df["Date"] = df.Date.astype("datetime64")
roll_calc = df.groupby("p_id").rolling('365D', on="Date")["points"].sum()
df = df.set_index(["p_id", "Date"])
df["roll_sum_calc"] = roll_calc
produzione:
points roll_sum roll_sum_calc
p_id Date
57 2016-07-29 11 11 11.0
2016-08-01 9 20 20.0
2017-01-12 5 25 25.0
2017-10-23 18 23 23.0
2018-03-03 0 18 18.0
2018-03-06 4 22 22.0
2019-03-16 3 3 3.0
12 1997-04-07 50 50 50.0
1997-04-09 32 82 82.0
1998-02-11 3 85 85.0
1998-05-12 0 3 3.0
1999-05-22 0 3 0.0
1999-05-29 15 18 15.0
2000-07-20 2 2 2.0
2002-10-27 17 19 17.0
1 HenryYik Aug 23 2020 at 00:56
Usa set_indexsulle colonne corrispondenti e jointorna al rollingrisultato:
s = df.set_index("Date").groupby('p_id')['points'].rolling('365D', min_periods=1).sum()
print (df.set_index(["p_id","Date"]).join(s, rsuffix="_rolling"))
points roll_sum points_rolling
p_id Date
57 2016-07-29 11 11 11.0
2016-08-01 9 20 20.0
2017-01-12 5 25 25.0
2017-10-23 18 23 23.0
2018-03-03 0 18 18.0
2018-03-06 4 22 22.0
2019-03-16 3 3 3.0
12 1997-04-07 50 50 50.0
1997-04-09 32 82 82.0
1998-02-11 3 85 85.0
1998-05-12 0 3 3.0
1999-05-22 0 3 0.0
1999-05-29 15 18 15.0
2000-07-20 2 2 2.0
2002-10-27 17 19 17.0