Cara menghitung offset per grup di pandas

Anda dapat menggunakan metode berikut untuk menghitung nilai pergeseran grup di pandas DataFrame:

Metode 1: Hitung offset berdasarkan grup

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

Metode 2: Hitung offset oleh beberapa grup

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

Perhatikan bahwa nilai fungsi shift() menunjukkan jumlah nilai yang akan digunakan untuk menghitung pergeseran.

Contoh berikut menunjukkan cara menggunakan masing-masing metode dalam praktik.

Contoh 1: Hitung offset berdasarkan grup

Katakanlah kita memiliki pandas DataFrame berikut yang menunjukkan penjualan yang dilakukan oleh dua toko pada hari berturut-turut:

 import pandas as pd

#createDataFrame
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)

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

Kita dapat menggunakan sintaks berikut untuk membuat kolom offset yang menampilkan penjualan hari sebelumnya untuk setiap toko:

 #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 to 18 NaN
1 to 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

Berikut cara menafsirkan hasilnya:

• Nilai pertama pada kolom offset adalah NaN karena tidak ada nilai sebelumnya pada kolom penjualan untuk toko A.
• Nilai kedua pada kolom offset adalah 18 karena merupakan nilai sebelumnya pada kolom penjualan toko A.

Dan seterusnya.

Contoh 2: Hitung offset oleh beberapa grup

Misalkan kita memiliki panda DataFrame berikut yang menunjukkan penjualan yang dilakukan oleh karyawan dua toko pada hari berturut-turut:

 import pandas as pd

#createDataFrame
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 AO 18
1 AO 10
2 AR 14
3 AR 13
4 BO 19
5 BO 24
6 BR 25
7 BR 29

Kita dapat menggunakan sintaks berikut untuk membuat kolom offset yang menampilkan penjualan hari sebelumnya untuk setiap karyawan di setiap toko:

 #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 AO 18 NaN
1 AO 10 18.0
2 AR 14 NaN
3 AR 13 14.0
4 BO 19 NaN
5 BO 24 19.0
6 BR 25 NaN
7 BR 29 25.0

Kolom lagged_sales baru menampilkan penjualan hari sebelumnya untuk setiap karyawan di setiap toko.

Catatan : Dalam contoh ini, kami telah mengelompokkan berdasarkan dua kolom, namun Anda dapat mengelompokkan berdasarkan kolom sebanyak yang Anda inginkan dengan menyertakan nama variabel sebanyak yang Anda inginkan dalam fungsi groupby() .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:

Cara menghapus kolom di Pandas
Cara mengecualikan kolom di Pandas
Cara menerapkan fungsi ke kolom yang dipilih di Pandas
Bagaimana mengubah urutan kolom di Pandas DataFrame