如何计算 pandas 的滑动最大值（带有示例）

您可以使用以下方法来计算 pandas DataFrame 中的滚动最大值：

方法一：计算滑动最大值

 df[' rolling_max '] = df. values_column . cummax ()

方法二：计算每组的滑动最大值

 df[' rolling_max '] = df. groupby (' group_column '). values_column . cummax ()

以下示例展示了如何在实践中使用每种方法。

示例1：计算滑动最大值

假设我们有以下 pandas DataFrame，显示商店每天的销售额：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' day ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
                   ' sales ': [4, 6, 5, 8, 14, 13, 13, 12, 9, 8, 19, 14]})

#view DataFrame
print (df)

    day sales
0 1 4
1 2 6
2 3 5
3 4 8
4 5 14
5 6 13
6 7 13
7 8 12
8 9 9
9 10 8
10 11 19
11 12 14

我们可以使用以下语法创建一个显示滚动最大销售值的新列：

 #add column that displays rolling maximum of sales
df[' rolling_max '] = df. dirty . cummax ()

#view updated DataFrame
print (df)

    day sales rolling_max
0 1 4 4
1 2 6 6
2 3 5 6
3 4 8 8
4 5 14 14
5 6 13 14
6 7 13 14
7 8 12 14
8 9 9 14
9 10 8 14
10 11 19 19
11 12 14 19

标题为Rolling_max的新列显示销售额的滚动最大值。

示例2：计算每组的滑动最大值

假设我们有以下 pandas DataFrame，它显示了两个不同商店每天的销售额：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' store ': ['A', 'A', 'A', 'A', 'A', 'A',
                             'B', 'B', 'B', 'B', 'B', 'B'],
                   ' day ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
                   ' sales ': [4, 6, 5, 8, 14, 13, 13, 12, 9, 8, 19, 14]})

#view DataFrame
print (df)

   store day sales
0 to 1 4
1 to 2 6
2 to 3 5
3 to 4 8
4 to 5 14
5 to 6 13
6 B 7 13
7 B 8 12
8 B 9 9
9 B 10 8
10 B 11 19
11 B 12 14

我们可以使用以下语法创建一个新列，显示按商店分组的滚动最大销售额：

 #add column that displays rolling maximum of sales grouped by store
df[' rolling_max '] = df. groupby (' store '). dirty . cummax ()

#view updated DataFrame
print (df)

   store day sales rolling_max
0 A 1 4 4
1 to 2 6 6
2 to 3 5 6
3 to 4 8 8
4 to 5 14 14
5 to 6 13 14
6 B 7 13 13
7 B 8 12 13
8 B 9 9 13
9 B 10 8 13
10 B 11 19 19
11 B 12 14 19

标题为Rolling_max的新列显示按商店分组的滚动销售额最大值。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

如何根据条件删除 Pandas DataFrame 中的行
如何根据多个条件过滤 Pandas DataFrame
如何在 Pandas DataFrame 中使用“NOT IN”过滤器