So berechnen sie ein gleitendes maximum in pandas (mit beispielen)

Sie können die folgenden Methoden verwenden, um einen rollierenden Maximalwert in einem Pandas-DataFrame zu berechnen:

Methode 1: Berechnen Sie das gleitende Maximum

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

Methode 2: Berechnen Sie das gleitende Maximum pro Gruppe

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

Die folgenden Beispiele zeigen, wie die einzelnen Methoden in der Praxis angewendet werden.

Beispiel 1: Berechnen Sie das gleitende Maximum

Angenommen, wir haben den folgenden Pandas-DataFrame, der die täglichen Verkäufe in einem Geschäft anzeigt:

 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

Mit der folgenden Syntax können wir eine neue Spalte erstellen, die den rollierenden maximalen Verkaufswert anzeigt:

 #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

Die neue Spalte mit dem Titel „Rolling_max“ zeigt den rollierenden Maximalwert der Verkäufe an.

Beispiel 2: Berechnen Sie das gleitende Maximum pro Gruppe

Nehmen wir an, wir haben den folgenden Pandas-DataFrame, der die täglichen Verkäufe in zwei verschiedenen Geschäften anzeigt:

 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

Wir können die folgende Syntax verwenden, um eine neue Spalte zu erstellen, die den fortlaufenden maximalen Verkaufswert gruppiert nach Geschäft anzeigt:

 #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

Die neue Spalte mit dem Titel „Rolling_max“ zeigt den rollierenden Maximalwert der Verkäufe an, gruppiert nach Filiale.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So löschen Sie Zeilen in Pandas DataFrame basierend auf der Bedingung
So filtern Sie einen Pandas DataFrame nach mehreren Bedingungen
So verwenden Sie den „NOT IN“-Filter in Pandas DataFrame