<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para calcular uma m\u00e9dia m\u00f3vel de grupo para pandas:<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas que mostra o total de vendas realizadas por duas lojas em cinco per\u00edodos de vendas:<\/span><\/p>\n Podemos usar o c\u00f3digo a seguir para calcular uma m\u00e9dia cont\u00ednua de vendas de 3 dias para cada loja:<\/span><\/p>\n Nota<\/strong> : x.rolling(3, 1) significa calcular uma m\u00e9dia m\u00f3vel ao longo de 3<\/strong> per\u00edodos e exigir 1<\/strong> como o n\u00famero m\u00ednimo de per\u00edodos.<\/span><\/p>\n A coluna \u201cmeu\u201d exibe a m\u00e9dia m\u00f3vel de vendas de 3 dias para cada loja.<\/span><\/p>\n Para calcular uma m\u00e9dia m\u00f3vel diferente, basta alterar o valor na fun\u00e7\u00e3o Rolling()<\/strong> .<\/span><\/p>\n Por exemplo, poder\u00edamos, em vez disso, calcular a m\u00e9dia m\u00f3vel de vendas de 2 dias para cada loja:<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como realizar uma soma GroupBy no Pandas<\/a> Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para calcular uma m\u00e9dia m\u00f3vel de grupo para pandas: #calculate 3-period moving average of ‘values’ by ‘group’ df. groupby (‘ group ‘)[‘ values ‘]. transform ( lambda x: x.rolling (3,1) .mean ()) O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica. Exemplo: calcule a m\u00e9dia m\u00f3vel […]<\/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":[],"class_list":["post-2580","post","type-post","status-publish","format-standard","hentry","category-guia"],"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 Exemplo: calcule a m\u00e9dia m\u00f3vel por grupo no Pandas<\/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 Recursos adicionais<\/strong><\/span><\/h3>\n
Como contar valores \u00fanicos usando GroupBy no Pandas<\/a>
Como usar Groupby e Plot no Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"