Hoe een glijdend maximum in panda's te berekenen (met voorbeelden)

U kunt de volgende methoden gebruiken om een voortschrijdende maximumwaarde in een Panda DataFrame te berekenen:

Methode 1: bereken het glijdende maximum

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

Methode 2: bereken het glijdende maximum per groep

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

De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken.

Voorbeeld 1: bereken het glijdende maximum

Stel dat we het volgende panda’s DataFrame hebben dat de verkopen weergeeft die elke dag in een winkel worden gemaakt:

 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

We kunnen de volgende syntaxis gebruiken om een nieuwe kolom te maken die de voortschrijdende maximale verkoopwaarde weergeeft:

 #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

De nieuwe kolom met de titel Rolling_max geeft de voortschrijdende maximale verkoopwaarde weer.

Voorbeeld 2: bereken het glijdende maximum per groep

Laten we zeggen dat we het volgende panda’s DataFrame hebben dat de verkopen weergeeft die elke dag in twee verschillende winkels worden gemaakt:

 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

We kunnen de volgende syntaxis gebruiken om een nieuwe kolom te maken waarin de voortschrijdende maximale verkoopwaarde wordt weergegeven, gegroepeerd per winkel:

 #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

De nieuwe kolom met de titel Rolling_max geeft de voortschrijdende maximale verkoopwaarde weer, gegroepeerd per winkel.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe rijen in Pandas DataFrame te verwijderen op basis van de voorwaarde
Hoe u een Pandas DataFrame op meerdere voorwaarden kunt filteren
Hoe u het “NIET IN”-filter in Pandas DataFrame gebruikt