Как рассчитать скользящий максимум в пандах (с примерами)

Вы можете использовать следующие методы для расчета скользящего максимального значения в DataFrame pandas:

Способ 1: рассчитать скользящий максимум

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

Метод 2: рассчитать скользящий максимум для каждой группы.

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

Следующие примеры показывают, как использовать каждый метод на практике.

Пример 1: вычисление скользящего максимума

Предположим, у нас есть следующий DataFrame pandas, который показывает ежедневные продажи в магазине:

 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

Мы можем использовать следующий синтаксис, чтобы создать новый столбец, отображающий скользящее максимальное значение продаж:

 #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

Новый столбец под названием Rolling_max отображает скользящее максимальное значение продаж.

Пример 2: расчет скользящего максимума для каждой группы

Допустим, у нас есть следующий DataFrame pandas, который показывает ежедневные продажи в двух разных магазинах:

 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

Мы можем использовать следующий синтаксис, чтобы создать новый столбец, в котором отображается скользящее максимальное значение продаж, сгруппированное по магазинам:

 #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

В новом столбце под названием Rolling_max отображается скользящее максимальное значение продаж, сгруппированное по магазинам.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как удалить строки в Pandas DataFrame в зависимости от условия
Как фильтровать DataFrame Pandas по нескольким условиям
Как использовать фильтр «НЕ В» в Pandas DataFrame