python - 在按 2 个字段分组的 DataFrame 中，从第一个分组字段内的第二个分组字段计算行 n 和 n-1 之间的差异

Question

给定以下数据框(许多地区和年份的子集，每个地区的年份范围不同):

<表类="s-表"><头>区域年粮食援助(kg)人口营养不良营养不良率(%)<正文>阿富汗201312823832269.5898600.0000026.6500020145721433370.794008800.0000026.37000 Algolia 20133523438140.133001300.000003.4100020141898038923.692001300.000003.3400020151742439728.025001300.000003.270002016947640551.392001300.000003.21000

使用来自数据集的 groupby 创建，该数据集包含每个国家和每个可用年份的数据；然后添加计算行:

df.groupby(['Area', 'Year']).agg(
    {
        'Food Aid (kg)' : 'sum',
        'Population' : lambda x: x.iloc[0],
        'Malnutrition': lambda x: x.iloc[0]
    })

df['Malnutrition rate (%)'] = round(((df.loc[:,'Malnutrition'] / df.loc[:,'Population']))*100,2)

我想添加 2 个聚合列。对于一个国家，给定年份 N，自 N-1 以来的演变百分比:

• 粮食援助
• 营养不良

类似的东西:

<表类="s-表"><头>区域年粮食援助(公斤)人口营养不良营养不良率(%)粮食援助演变(%)营养不良率演变(%)<正文>阿富汗201312823832269.5898600.0000026.65000------20145721433370.794008800.0000026.37000-55.38-1.051 Algolia 20133523438140.133001300.000003.41000------20141898038923.692001300.000003.34000-46.132-2.05320151742439728.025001300.000003.27000-8.198-2.0962016947640551.392001300.000003.21000-45.615-1.835

我是 Pandas 的初学者。我尝试了几件事但没有成功。例如，我不确定如何使用这个循环来使事情正常进行:

for key, value in df:
    # key is an array of grouped keys. Examples: (Afghanistan, 2013), (Afghanistan, 2014)
    # value is a Series of the various cols for the current row

问题:在按 2 个字段分组的数据框中:如何在第一个分组字段内的第二个分组字段的第 n 行和第 n-1 行之间添加一个包含计算的新列？

Answer 1

使用pct_change:

new_cols = {'Food Aid (kg)': 'Food Aid evolution (%)',
            'Malnutrition rate (%)': 'Malnutrition rate evolution (%)'}

out = df.join(df.groupby('Area')[['Food Aid (kg)', 'Malnutrition rate (%)']]
                .pct_change().mul(100).rename(columns=new_cols))

>>> out[new_cols.values()]

                  Food Aid evolution (%)  Malnutrition rate evolution (%)
Area        Year
Afghanistan 2013                     NaN                              NaN
            2014              -55.384519                        -1.050657
Algeria     2013                     NaN                              NaN
            2014              -46.131577                        -2.052786
            2015               -8.198103                        -2.095808
            2016              -45.615243                        -1.834862