python - 如何计算 pandas 中分类变量的滚动计数

Question

我正在尝试对数据帧进行滚动计数。我遇到的问题是指定条件，因为它是字符串，而不是整数。下面的数据框是一个片段，以及一个字典的片段。

    GameID  Event
0   100     NaN
1   100     NaN
2   100     Ben
3   100     NaN
4   100     Steve
5   100     Ben
6   100     NaN
7   100     Steve
8   100     NaN
9   100     NaN
10  101     NaN   
11  101     NaN   
12  101     Joe   
13  101     NaN   
14  101     Will  
15  101     Joe   
16  101     NaN   
17  101     Will 
18  101     NaN    
19  101     NaN   



gamedic = {'100':['Ben','Steve'], '101':['Joe','Will']}

最终，我希望数据框如下所示。在本示例中，我将列命名为“Ben”和“Steve”，但实际上它们将是“First”和“Second”，与它们在字典中的位置相对应。

    GameID  Event  Ben  Steve
0   100     NaN     0    0
1   100     NaN     0    0
2   100     Ben     0    0
3   100     NaN     1    0
4   100     Steve   1    0
5   100     Ben     1    1
6   100     NaN     2    1
7   100     Steve   2    1 
8   100     NaN     2    2
9   100     NaN     2    2
10  101     NaN     0    0
11  101     NaN     0    0
12  101     Joe     0    0
13  101     NaN     1    0
14  101     Will    1    0
15  101     Joe     1    1
16  101     NaN     2    1
17  101     Will    2    1 
18  101     NaN     2    2
19  101     NaN     2    2


pd.rolling_count(df.Event, 1000,0).shift(1)
ValueError: could not convert string to float: Steve

我不确定这是否是一个复杂的问题，或者我是否遗漏了 pandas 中明显的东西。整个弦乐的概念让我很难开始。

Answer 1

首先，您想使用字典获取仅包含“first”和“second”的列。我想不出一个聪明的方法来做到这一点，所以让我们迭代行:

import numpy as np
df['Winner'] = np.nan
for i,row in df.iterrows():
   if row.Event == gamedic[row.GameID][0]:
      df['Winner'].ix[i] = 'First'
   if row.Event == gamedic[row.GameID][1]:
      df['Winner'].ix[i] = 'Second'

您可以使用pd.get_dummies将字符串列(代表分类变量)转换为指示变量；在你的情况下，这会给你

pd.get_dummies(df.Winner)
Out[46]: 
    First  Second
0       0       0
1       0       0
2       1       0
3       0       0
4       0       1
5       1       0
6       0       0
7       0       1
8       0       0
9       0       0
10      0       0
11      0       0
12      1       0
13      0       0
14      0       1
15      1       0
16      0       0
17      0       1
18      0       0
19      0       0

您可以使用 pd.concat 将它们添加到原始数据框中:

df = pd.concat([df,pd.get_dummies(df.Winner)],axis=1)

然后您可以使用 groupby.cumsum 获得累计总和，如 @Brian 的回答

df.groupby('GameID').cumsum()
Out[60]: 
    First  Second
0       0       0
1       0       0
2       1       0
3       1       0
4       1       1
5       2       1
6       2       1
7       2       2
8       2       2
9       2       2
10      0       0
11      0       0
12      1       0
13      1       0
14      1       1
15      2       1
16      2       1
17      2       2
18      2       2
19      2       2