如何计算 Pandas DataFrame 中多个字段的分数差异？

Pandas groupby 在多个字段上进行差异计算

在编程中，操作数据至关重要，Pandas 是执行这些任务的强大库高效。一个常见的问题是如何按多个字段对数据进行分组并计算差异。让我们探索如何实现这一目标。

问题：

考虑具有以下结构的 DataFrame：

         date    site country  score
0  2018-01-01  google      us    100
1  2018-01-01  google      ch     50
2  2018-01-02  google      us     70
3  2018-01-03  google      us     60
... 

目标是找到每个“地点/国家”组合的分数存在 1/3/5 天的差异。

解决方案：

为了解决这个问题，我们可以利用 Pandas 的 groupby和 diff 函数：

1. 对 DataFrame 进行排序：

df = df.sort_values(by=['site', 'country', 'date'])

排序可确保我们的数据组织正确的分组和差异计算。

2. Groupby 和计算差异：

df['diff'] = df.groupby(['site', 'country'])['score'].diff().fillna(0)

此行使用 groupby 按“site”和“country”列对 DataFrame 进行分组。然后，它使用 diff 计算每组内每个连续分数之间的差异。结果存储在名为“diff”的新列中。使用 fillna(0) 将任何缺失值替换为 0。

输出：

生成的 DataFrame 将包含原始列以及“diff”列：

         date    site country  score  diff
0  2018-01-01      fb      es    100   0.0
1  2018-01-02      fb      gb    100   0.0
...

附加说明：

• 如果您需要任意排序（例如，优先考虑“google”而不是“fb”），您可以在一个列表，并在排序之前将列设置为分类。
• fillna(0) 函数将缺失值替换为 0，但您可以将其更改为任何所需的值。
• 可以使用此方法计算任何时间间隔（例如 1 天、3 个月等）的差异。

以上是如何计算 Pandas DataFrame 中多个字段的分数差异？的详细内容。更多信息请关注PHP中文网其他相关文章！