Nehmen wir an, ich habe den folgenden Datenrahmen, der die Ernährungsgewohnheiten meines Haustierfrosches darstellt
date bugs_eaten_today
2019-01-31 0
2019-01-30 5
2019-01-29 6
2019-01-28 7
2019-01-27 2
...
Jetzt möchte ich eine neue Spalte berechnen bugs_eaten_past_20_days
date bugs_eaten_today bugs_eaten_paast_20_days
2019-01-31 0 48
2019-01-30 5 38
2019-01-29 6 57
2019-01-28 7 63
2019-01-27 2 21
...
Wie würde ich das machen? (Beachten Sie, dass wir keine Daten für die letzten 20 Zeilen haben, also werden sie nur sein NaN)
Sie können eine rollierende Summe machen (mit 20 statt 3):
In [11]: df.bugs_eaten_today.rolling(3, 1).sum()
Out[11]:
0 0.0
1 5.0
2 11.0
3 18.0
4 15.0
Name: bugs_eaten_today, dtype: float64
Sie müssen dies in umgekehrter Reihenfolge tun, da der Index umgekehrt ist:
In [12]: df[::-1].bugs_eaten_today.rolling(3, 1).sum()
Out[12]:
4 2.0
3 9.0
2 15.0
1 18.0
0 11.0
Name: bugs_eaten_today, dtype: float64
In [13]: df['bugs_eaten_paast_20_days'] = df[::-1].bugs_eaten_today.rolling(3, 1).sum()
Es ist wahrscheinlich robuster, das Datum als Index zu verwenden und über 20D (ays) zu rollen:
In [21]: df1 = df.set_index('date').sort_index()
In [22]: df1.bugs_eaten_today.rolling('3D', 1).sum()
Out[22]:
date
2019-01-27 2.0
2019-01-28 9.0
2019-01-29 15.0
2019-01-30 18.0
2019-01-31 11.0
Name: bugs_eaten_today, dtype: float64
Dieser Artikel stammt aus dem Internet. Bitte geben Sie beim Nachdruck die Quelle an.
Bei Verstößen wenden Sie sich bitte [email protected] Löschen.
Lass mich ein paar Worte sagen