如何使用 Groupby 和 diff() 计算 Pandas DataFrames 中基于时间的差异？

Pandas Groupby 多个字段以实现基于时间的差异

在数据分析领域，比较随时间的变化是一项至关重要的任务。 Pandas 是一个多功能的 Python 库，提供了处理此类操作的强大功能。当处理按多个分类字段和时间组织的数据时，groupby.diff() 方法被证明是无价的。

考虑像提供的那样的 DataFrame，其中每个站点在不同国家/地区和日期都有不同的分数。目标是计算每个站点/国家/地区组合的 1/3/5 天分数差异。

问题解决

为了实现这一目标，我们利用以下步骤：

1. 对 DataFrame 进行排序： 使用 sort_values() 按站点、国家/地区和日期以一致的顺序排列数据。
2. 按站点和国家/地区分组： 利用 groupby() 根据站点和国家/地区字段创建组。
3. 计算差异： 在每个组中应用 diff() 来计算分数连续行的差异。

<code class="python">df = df.sort_values(by=['site', 'country', 'date'])
df['diff'] = df.groupby(['site', 'country'])['score'].diff().fillna(0)</code>

输出：

结果是一个显示计算得分差异的 DataFrame：

date	site	country	score	diff
2018-01-01	fb	es	100	0.0
2018-01-02	fb	gb	100	0.0
2018-01-01	fb	us	50	0.0
2018-01-02	fb	us	55	5.0
2018-01-03	fb	us	100	45.0
2018-01-01	google	ch	50	0.0
2018-01-02	google	ch	10	-40.0
2018-01-01	google	us	100	0.0
2018-01-02	google	us	70	-30.0
2018-01-03	google	us	60	-10.0

高级排序

如果需要任意顺序，例如优先考虑“google”而不是“fb”，可以创建一个分类列并将其指定为排序参数。这可确保维持指定的顺序。

以上是如何使用 Groupby 和 diff() 计算 Pandas DataFrames 中基于时间的差异？的详细内容。更多信息请关注PHP中文网其他相关文章！