python - 如何使用 Pandas Rolling 显示随时间推移而降级的列值？

Question

我有一个 future 预测值的数据框，我想显示该值随着时间的推移减少了指定的量。

我想从这里开始:

Group   Period  Value

A   1/1/2020    4.3

A   2/1/2020

A   3/1/2020

A   4/1/2020

A   5/1/2020

A   6/1/2020

A   7/1/2020

A   8/1/2020

A   9/1/2020

B   1/1/2020    6.5

B   2/1/2020

B   3/1/2020

B   4/1/2020

B   5/1/2020

B   6/1/2020

B   7/1/2020

B   8/1/2020

B   9/1/2020    

对此:

Group   Period  Value

A   1/1/2020    4.3

A   2/1/2020    3.3

A   3/1/2020    2.3

A   4/1/2020    1.3

A   5/1/2020    0.3

A   6/1/2020    0

A   7/1/2020    0

A   8/1/2020    0

A   9/1/2020    0

B   1/1/2020    6.5

B   2/1/2020    5.5

B   3/1/2020    4.5

B   4/1/2020    3.5

B   5/1/2020    2.5

B   6/1/2020    1.5

B   7/1/2020    0.5

B   8/1/2020    0

B   9/1/2020    0

我已经使用起始位置的值创建了数据框(在本例中为 1/1/2020)。

有一次尝试。见下文。

group = df2.groupby(['region', 'site', 'product_ID'], as_index=False)

df2['Projected_S'] = group['Projected_S'].rolling(window=1).apply(lambda x: x.shift(1)-1)

Answer 1

IIUC，使用类似:

f=lambda x: np.where(x.ffill()-x.ffill().expanding().count()<0
                 ,0,x.ffill()-x.ffill().expanding().count())
df.Value=df.groupby(df.Value.notna().cumsum())['Value'].transform(f)
print(df)

<小时/>

   Group    Period  Value
0      A  1/1/2020    3.3
1      A  2/1/2020    2.3
2      A  3/1/2020    1.3
3      A  4/1/2020    0.3
4      A  5/1/2020    0.0
5      A  6/1/2020    0.0
6      A  7/1/2020    0.0
7      A  8/1/2020    0.0
8      A  9/1/2020    0.0
9      B  1/1/2020    5.5
10     B  2/1/2020    4.5
11     B  3/1/2020    3.5
12     B  4/1/2020    2.5
13     B  5/1/2020    1.5
14     B  6/1/2020    0.5
15     B  7/1/2020    0.0
16     B  8/1/2020    0.0
17     B  9/1/2020    0.0

说明: df.Value.notna().cumsum() 从具有下一个有效值条目的行开始创建组。然后我们使用 .ffill() 向下填充值。然后使用expanding()我们获取计数，因此基本上它会减去扩展计数的值。

最后使用np.where()来检查哪里是负值并将其替换为0。:)