Comment calculer le décalage par groupe chez Pandas

Vous pouvez utiliser les méthodes suivantes pour calculer les valeurs décalées par groupe dans un DataFrame pandas :

Méthode 1 : calculer le décalage par un groupe

df['lagged_values'] = df.groupby(['group'])['values'].shift(1)

Méthode 2 : calculer le décalage par plusieurs groupes

df['lagged_values'] = df.groupby(['group1', 'group2'])['values'].shift(1)

Notez que la valeur de la fonction shift() indique le nombre de valeurs pour lesquelles calculer le décalage.

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique.

Exemple 1 : calculer le décalage par un groupe

Supposons que nous ayons le DataFrame pandas suivant qui montre les ventes réalisées par deux magasins sur des jours consécutifs :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'store': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'sales': [18, 10, 14, 13, 19, 24, 25, 29]})
#view DataFrame
print(df)

  store  sales
0     A     18
1     A     10
2     A     14
3     A     13
4     B     19
5     B     24
6     B     25
7     B     29

Nous pouvons utiliser la syntaxe suivante pour créer une colonne de décalage qui affiche les ventes de la veille pour chaque magasin :

#add column that displays lag of sales column by store
df['lagged_sales'] = df.groupby(['store'])['sales'].shift(1)

#view updated DataFrame
print(df)

  store  sales  lagged_sales
0     A     18           NaN
1     A     10          18.0
2     A     14          10.0
3     A     13          14.0
4     B     19           NaN
5     B     24          19.0
6     B     25          24.0
7     B     29          25.0

Voici comment interpréter le résultat :

• La première valeur de la colonne de décalage est NaN puisqu’il n’y a aucune valeur antérieure dans la colonne des ventes pour le magasin A.
• La deuxième valeur de la colonne de décalage est 18 puisqu’il s’agit de la valeur précédente dans la colonne des ventes pour le magasin A.

Et ainsi de suite.

Exemple 2 : calculer le décalage par plusieurs groupes

Supposons que nous ayons le DataFrame pandas suivant qui montre les ventes réalisées par les employés de deux magasins pendant des jours consécutifs :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'store': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'employee':['O', 'O', 'R', 'R', 'O', 'O', 'R', 'R'],
                   'sales': [18, 10, 14, 13, 19, 24, 25, 29]})
#view DataFrame
print(df)

  store employee  sales
0     A        O     18
1     A        O     10
2     A        R     14
3     A        R     13
4     B        O     19
5     B        O     24
6     B        R     25
7     B        R     29

Nous pouvons utiliser la syntaxe suivante pour créer une colonne de décalage qui affiche les ventes de la veille pour chaque employé de chaque magasin :

#add column that displays lag of sales column by store and employee
df['lagged_sales'] = df.groupby(['store', 'employee'])['sales'].shift(1)

#view updated DataFrame
print(df)

  store employee  sales  lagged_sales
0     A        O     18           NaN
1     A        O     10          18.0
2     A        R     14           NaN
3     A        R     13          14.0
4     B        O     19           NaN
5     B        O     24          19.0
6     B        R     25           NaN
7     B        R     29          25.0

La nouvelle colonne lagged_sales affiche les ventes de la veille pour chaque employé de chaque magasin.

Remarque : Dans cet exemple, nous avons regroupé par deux colonnes, mais vous pouvez regrouper sur autant de colonnes que vous le souhaitez en incluant autant de noms de variables que vous le souhaitez dans la fonction groupby() .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans les pandas :

Comment supprimer des colonnes dans Pandas
Comment exclure des colonnes dans Pandas
Comment appliquer une fonction aux colonnes sélectionnées dans Pandas
Comment modifier l’ordre des colonnes dans Pandas DataFrame