代码之家 › 专栏 › 技术社区 › David Nehme

计算具有多个索引列的行之间的差异

pandas python

David Nehme · 技术社区 · 9 年前

我有一个数据帧,其中一列表示时间,另外一列表示键的其他部分。

df = pd.DataFrame(data=[(t, l1, l2, t * t * (1 + l2 + l1)) 
                        for t in range(3) 
                        for l1 in [3, 4] 
                        for l2 in [10, 100]], 
                  columns=['t', 'l1', 'l2', 'x'])

    t   l1  l2  x
0   0   3   10  0
1   0   3   100 0
2   0   4   10  0
3   0   4   100 0
4   1   3   10  14
5   1   3   100 104
6   1   4   10  15
7   1   4   100 105
8   2   3   10  56
9   2   3   100 416
10  2   4   10  60
11  2   4   100 420

我正在查找前一个值为“t”的行的“x”列中的差异,但“l1”和“l2”的值相同。

    t   l1  l2  x   t.1 delta_x
0   0   3   10  0   1   NaN
1   0   3   100 0   1   NaN
2   0   4   10  0   1   NaN
3   0   4   100 0   1   NaN
4   1   3   10  14  2   14.0
5   1   3   100 104 2   104.0
6   1   4   10  15  2   15.0
7   1   4   100 105 2   105.0
8   2   3   10  56  3   42.0
9   2   3   100 416 3   312.0
10  2   4   10  60  3   45.0
11  2   4   100 420 3   315.0

我可以用下面的代码生成这个帧。

df['t.1'] = df.t + 1
df['delta_x'] = df.x - df.merge(df, left_on=['t', 'l1', 'l2'], 
                                right_on=['t.1', 'l1', 'l2'], 
                                how='left', 
                                suffixes=['','.1'])['x.1']

有没有更清洁或更有效的方法来做到这一点?

3 回复 | 直到 8 年前

Kartik 8 年前

尝试:

def diff(x):
    return x - x.shift()

df['delta_x'] = df.groupby(['l1', 'l2'])['x'].apply(diff)

在我的回答中落实MAXU的以下评论。

df['delta_x'] = df.groupby(['l1', 'l2'])['x'].diff()

Nickil Maveli 8 年前

您必须使用 groupby 在…上 l1 和 l2 列之间的差异 x 这些值对的列( l1, l2 )取决于 t 柱

默认情况下, diff 计算( t=1 )和( t=0 )分组依据 l1 & l2 并返回结果。所以,如果你想找出 x(x) 值介于( t=2 )和( t=0 ),你只需要做 diff(periods=2) .

最后,使用 tranform 方法返回组块的每个组内计算的差异。

In [3]: df['delta_x'] = df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())

In [4]: df
Out[4]: 
    t  l1   l2    x  delta_x
0   0   3   10    0      NaN
1   0   3  100    0      NaN
2   0   4   10    0      NaN
3   0   4  100    0      NaN
4   1   3   10   14     14.0
5   1   3  100  104    104.0
6   1   4   10   15     15.0
7   1   4  100  105    105.0
8   2   3   10   28     14.0
9   2   3  100  208    104.0
10  2   4   10   30     15.0
11  2   4  100  210    105.0

时间限制:

In [5]: %timeit df['delta_x'] = df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())
1000 loops, best of 3: 1.55 ms per loop

In [17]: %timeit df['delta_x'] = df.x - df.merge(df, left_on=['t', 'l1', 'l2'], right_on=['t.1', 'l1', 'l2'],how='left',suffixes=['','.1'])['x.1']
100 loops, best of 3: 3.33 ms per loop

Alex 8 年前

我的第一个想法是

df.groupby(['l1', 'l2'])['x'].diff()

有趣的是,Nickil的方法似乎更快。

import pandas as pd
import timeit

df = pd.DataFrame(data=[(t, l1, l2, t * t * (1 + l2 + l1))
                        for t in range(3)
                        for l1 in [3, 4]
                        for l2 in [10, 100]],
                  columns=['t', 'l1', 'l2', 'x'])

N = 1000

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].transform(lambda x: x.diff())", setup='from __main__ import df', number=N)
print(t)  # 1.8100

def diff(x):
    return x - x.shift()

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].apply(diff)", setup='from __main__ import df, diff', number=N)
print(t)  # 2.6829

t = timeit.timeit("df.groupby(['l1', 'l2'])['x'].diff()", setup='from __main__ import df', number=N)
print(t)  # 2.5710