Pandas : Comment utiliser groupby avec diff

Vous pouvez utiliser la syntaxe de base suivante pour utiliser la fonction groupby() avec la fonction diff() dans pandas :

df = df.sort_values(by=['group_var1', 'group_var2'])

df['diff'] = df.groupby(['group_var1'])['values_var'].diff().fillna(0)

Cet exemple particulier trie les lignes du DataFrame selon deux variables spécifiques, puis les regroupe par group_var1 et calcule la différence entre les lignes de la colonne values_var .

Notez que fillna(0) indique aux pandas d’insérer un zéro chaque fois que la valeur de la variable de groupe change entre des lignes consécutives dans le DataFrame.

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : Comment utiliser groupby avec diff dans Pandas

Supposons que nous ayons le DataFrame pandas suivant qui contient les ventes totales réalisées par deux magasins différents à différentes dates :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'store': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'date': pd.to_datetime(['2022-01-01', '2022-01-02',
                                           '2022-01-03', '2022-01-04',
                                           '2022-01-01', '2022-01-02',
                                           '2022-01-03', '2022-01-04']),
                   'sales': [12, 15, 24, 24, 14, 19, 12, 38]})

#view DataFrame
print(df)

  store       date  sales
0     A 2022-01-01     12
1     A 2022-01-02     15
2     A 2022-01-03     24
3     A 2022-01-04     24
4     B 2022-01-01     14
5     B 2022-01-02     19
6     B 2022-01-03     12
7     B 2022-01-04     38

Supposons maintenant que nous souhaitions créer une nouvelle colonne appelée sales_diff qui contient la différence des valeurs de ventes entre des dates consécutives, regroupées par magasin.

Nous pouvons utiliser la syntaxe suivante pour ce faire :

#sort DataFrame by store and date
df = df.sort_values(by=['store', 'date'])

#create new column that contains difference between sales grouped by store
df['sales_diff'] = df.groupby(['store'])['sales'].diff().fillna(0)

#view update DataFrame
print(df)

  store       date  sales  sales_diff
0     A 2022-01-01     12         0.0
1     A 2022-01-02     15         3.0
2     A 2022-01-03     24         9.0
3     A 2022-01-04     24         0.0
4     B 2022-01-01     14         0.0
5     B 2022-01-02     19         5.0
6     B 2022-01-03     12        -7.0
7     B 2022-01-04     38        26.0

La nouvelle colonne sales_diff contient la différence des valeurs de ventes entre des dates consécutives, regroupées par magasin.

Par exemple, on peut voir :

• La différence des ventes du magasin A entre le 1/1/2022 et le 2/1/2022 est de 3 .
• La différence des ventes du magasin A entre le 02/01/2022 et le 03/01/2022 est de 9 .
• La différence des ventes du magasin A entre le 1/3/2022 et le 1/4/2022 est de 0 .

Et ainsi de suite.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment effectuer une somme GroupBy dans Pandas
Comment utiliser Groupby et Plot dans Pandas
Comment compter les valeurs uniques à l’aide de GroupBy dans Pandas