<\/p>\n
\u00c8 possibile utilizzare la seguente sintassi di base per calcolare una media mobile di gruppo per i panda:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che mostra le vendite totali effettuate da due negozi in cinque periodi di vendita:<\/span><\/p>\n Possiamo utilizzare il seguente codice per calcolare una media delle vendite mobili su 3 giorni per ciascun negozio:<\/span><\/p>\n Nota<\/strong> : x.rolling(3, 1) significa calcolare una media mobile su 3<\/strong> periodi e richiedere 1<\/strong> come numero minimo di periodi.<\/span><\/p>\n La colonna “mio” mostra la media mobile delle vendite di 3 giorni per ciascun negozio.<\/span><\/p>\n Per calcolare una media mobile diversa, \u00e8 sufficiente modificare il valore nella funzione Rolling()<\/strong> .<\/span><\/p>\n Ad esempio, potremmo invece calcolare la media mobile di 2 giorni delle vendite per ciascun negozio:<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come eseguire una somma GroupBy in Pandas<\/a> \u00c8 possibile utilizzare la seguente sintassi di base per calcolare una media mobile di gruppo per i panda: #calculate 3-period moving average of ‘values’ by ‘group’ df. groupby (‘ group ‘)[‘ values ‘]. transform ( lambda x: x.rolling (3,1) .mean ()) L’esempio seguente mostra come utilizzare questa sintassi nella pratica. Esempio: calcola la media mobile […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #calculate 3-period moving average of 'values' by 'group'<\/span>\ndf. groupby<\/span> (' group<\/span> ')[' values<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (3,1) .mean<\/span> ())\n<\/strong><\/pre>\n Esempio: calcola la media mobile per gruppo in Panda<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' period<\/span> ': [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],\n ' sales<\/span> ': [7, 7, 9, 13, 14, 13, 13, 19, 20, 26]})\n\n#view DataFrame\n<\/span>df\n\n\tstore period sales\n0 to 1 7\n1 to 2 7\n2 to 3 9\n3 to 4 13\n4 to 5 14\n5 B 1 13\n6 B 2 13\n7 B 3 19\n8 B 4 20\n9 B 5 26\n<\/span><\/span><\/strong><\/pre>\n #calculate 3-day moving average of sales by store<\/span>\ndf[' ma<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (3,1) .mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n store period sales ma\n0 A 1 7 7.000000\n1 to 2 7 7.000000\n2 A 3 9 7.666667\n3 A 4 13 9.666667\n4 A 5 14 12.000000\n5 B 1 13 13.000000\n6 B 2 13 13.000000\n7 B 3 19 15.000000\n8 B 4 20 17.333333\n9 B 5 26 21.666667\n<\/span><\/span><\/strong><\/pre>\n #calculate 2-day moving average of sales by store\n<\/span>df[' ma<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (2,1) .mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n store period sales ma\n0 to 1 7 7.0\n1 to 2 7 7.0\n2 to 3 9 8.0\n3 A 4 13 11.0\n4 to 5 14 13.5\n5 B 1 13 13.0\n6 B 2 13 13.0\n7 B 3 19 16.0\n8 B 4 20 19.5\n9 B 5 26 23.0\n<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come contare valori univoci utilizzando GroupBy in Pandas<\/a>
Come utilizzare Groupby e Plot in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"