<\/p>\n
Aby obliczy\u0107 grupow\u0105 \u015bredni\u0105 ruchom\u0105 dla pand, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pand, kt\u00f3ra pokazuje ca\u0142kowit\u0105 sprzeda\u017c dokonan\u0105 przez dwa sklepy w pi\u0119ciu okresach sprzeda\u017cy:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby obliczy\u0107 3-dniow\u0105 \u015bredni\u0105 krocz\u0105c\u0105 sprzeda\u017cy dla ka\u017cdego sklepu:<\/span><\/p>\n Uwaga<\/strong> : x.rolling(3, 1) oznacza obliczenie \u015bredniej krocz\u0105cej z 3<\/strong> okres\u00f3w i wymaganie 1<\/strong> jako minimalnej liczby okres\u00f3w.<\/span><\/p>\n Kolumna \u201emy\u201d wy\u015bwietla 3-dniow\u0105 \u015bredni\u0105 ruchom\u0105 sprzeda\u017cy dla ka\u017cdego sklepu.<\/span><\/p>\n Aby obliczy\u0107 inn\u0105 \u015bredni\u0105 ruchom\u0105, wystarczy zmieni\u0107 warto\u015b\u0107 w funkcji Rolling()<\/strong> .<\/span><\/p>\n Zamiast tego mogliby\u015bmy na przyk\u0142ad obliczy\u0107 dwudniow\u0105 \u015bredni\u0105 ruchom\u0105 sprzeda\u017cy dla ka\u017cdego sklepu:<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje na pandach:<\/span><\/p>\n Jak wykona\u0107 sum\u0119 GroupBy w Pandach<\/a> Aby obliczy\u0107 grupow\u0105 \u015bredni\u0105 ruchom\u0105 dla pand, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni: #calculate 3-period moving average of 'values’ by 'group’ df. groupby (’ group ’)[’ values ’]. transform ( lambda x: x.rolling (3,1) .mean ()) Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce. Przyk\u0142ad: oblicz \u015bredni\u0105 ruchom\u0105 wed\u0142ug grupy w Pandach Za\u0142\u00f3\u017cmy, \u017ce mamy […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-2579","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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 Przyk\u0142ad: oblicz \u015bredni\u0105 ruchom\u0105 wed\u0142ug grupy w Pandach<\/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 Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak liczy\u0107 unikalne warto\u015bci za pomoc\u0105 GroupBy w Pandach<\/a>
Jak korzysta\u0107 z Groupby i Plot w Pandach<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"