Come calcolare l'offset per gruppo in panda

È possibile utilizzare i seguenti metodi per calcolare i valori spostati di gruppo in un DataFrame panda:

Metodo 1: calcolare l’offset per un gruppo

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

Metodo 2: calcolare l’offset per più gruppi

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

Da notare che il valore della funzione shift() indica il numero di valori per i quali calcolare lo spostamento.

Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica.

Esempio 1: calcolare l’offset di un gruppo

Supponiamo di avere il seguente DataFrame panda che mostra le vendite effettuate da due negozi in giorni consecutivi:

 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

Possiamo utilizzare la seguente sintassi per creare una colonna offset che mostri le vendite del giorno precedente per ciascun negozio:

 #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

Ecco come interpretare il risultato:

• Il primo valore nella colonna offset è NaN poiché non esiste alcun valore precedente nella colonna vendite per il negozio A.
• Il secondo valore nella colonna offset è 18 poiché è il valore precedente nella colonna vendite per il negozio A.

E così via.

Esempio 2: calcolare l’offset per più gruppi

Supponiamo di avere il seguente DataFrame panda che mostra le vendite effettuate dai dipendenti di due negozi in giorni consecutivi:

 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

Possiamo utilizzare la seguente sintassi per creare una colonna di offset che visualizzi le vendite del giorno precedente per ciascun dipendente in ciascun negozio:

 #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

La nuova colonna lagged_sales mostra le vendite del giorno precedente per ciascun dipendente in ciascun negozio.

Nota : in questo esempio, abbiamo raggruppato per due colonne, ma puoi raggruppare per tutte le colonne che desideri includendo tutti i nomi di variabili che desideri nella funzione groupby() .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni nei panda:

Come eliminare colonne in Pandas
Come escludere colonne in Pandas
Come applicare una funzione alle colonne selezionate in Pandas
Come modificare l’ordine delle colonne in Pandas DataFrame