python - Pandas DataFrame，计算相对于当前行列值的最大列值

Question

我有一个数据框:

df = pd.DataFrame( {
    'epoch' : [1, 4, 7, 8, 9, 11, 12, 15, 16, 17], 
    'price' : [1, 2, 3, 3, 1, 4, 2, 3, 4, 4]
} )

   epoch  price
0      1      1
1      4      2
2      7      3
3      8      3
4      9      1
5     11      4
6     12      2
7     15      3
8     16      4
9     17      4

我必须创建一个应按以下方式计算的新列:

对于每一行

查找当前行的纪元(假设为 e_cur)

计算e_cur-3 = e_cur – 3(这里的三是常数，但会变)

计算价格最大值，其中 epoch >= e-3_cur 且 epoch <= e_cur

换句话说，在距当前行纪元三个纪元的行中找到最高价格。

例如:

Index=0，e_cur = epoch = 1，e_cur-3 = 1 -3 = -2，只有一个(第一)行的 epoch 在 -2 和 1 之间，所以第一行的价格是最高价

Index =6, e_cur = epoch = 12, e_cur-3 = 12 – 3 = 9, 有3行epoch在9到12之间，但index=5的行最高价格= 4。

以下是我手动计算的每一行的结果:

   epoch  price  max_price_where_epoch_is_between_e_cur-3_and_e_cur
0      1      1                                                  1 
1      4      2                                                  2 
2      7      3                                                  3 
3      8      3                                                  3 
4      9      1                                                  3 
5     11      4                                                  4 
6     12      2                                                  4 
7     15      3                                                  3 
8     16      4                                                  4 
9     17      4                                                  4

正如你所看到的，epoch something goes an omething, but sometimes there's "holes".

如何用 pandas 计算？

Answer 1

使用滚动窗口:

In [161]: df['between'] = df.epoch.map(df.set_index('epoch')
     ...:                                .reindex(np.arange(df.epoch.min(), df.epoch.max()+1))
     ...:                                .rolling(3, min_periods=1)
     ...:                                .max()['price'])
     ...:

In [162]: df
Out[162]:
   epoch  price  between
0      1      1      1.0
1      4      2      2.0
2      7      3      3.0
3      8      3      3.0
4      9      1      3.0
5     11      4      4.0
6     12      2      4.0
7     15      3      3.0
8     16      4      4.0
9     17      4      4.0

解释:

助手 DF:

In [165]: df.set_index('epoch').reindex(np.arange(df.epoch.min(), df.epoch.max()+1))
Out[165]:
       price
epoch
1        1.0
2        NaN
3        NaN
4        2.0
5        NaN
6        NaN
7        3.0
8        3.0
9        1.0
10       NaN
11       4.0
12       2.0
13       NaN
14       NaN
15       3.0
16       4.0
17       4.0

In [166]: df.set_index('epoch').reindex(np.arange(df.epoch.min(), df.epoch.max()+1)).rolling(3, min_periods=1).max()
Out[166]:
       price
epoch
1        1.0
2        1.0
3        1.0
4        2.0
5        2.0
6        2.0
7        3.0
8        3.0
9        3.0
10       3.0
11       4.0
12       4.0
13       4.0
14       2.0
15       3.0
16       4.0
17       4.0