确保Pandas群体内数据始终减少的毕德式方法

yqyhoc1h 于 2022-09-21 发布在其他

关注(0)|答案(2)|浏览(117)

我有一个数据集，如下所示

Id date     value
x1 01-01-22  46
x1 02-01-22  46
x1 03-01-22  45.8
....
x2 03-04-22  57
X2 03-04-22  62
....

随着时间的推移，value中的数字应该始终减少(或保持不变)。因此，对x2的下一次观测将失败。

如果值增加超过3%(因为可能有一些测量误差)，那么添加一列1和0的最典型的方法是什么？在R，我只会用dplyr&groupby，我希望用Pandas的东西一样优雅。

为清晰而编辑*：减少必须在ID内(如每项)。

pandas

来源：https://stackoverflow.com/questions/73778672/pythonic-way-to-make-sure-data-is-always-decreasing-within-group-in-pandas

2条答案

按热度按时间

c3frrgcw1#

我想这个应该可以了(编辑后我把减号翻过来了)(澄清后再次编辑)

def f(gdf):
    return ((gdf.value - gdf.value.shift())/gdf.value.shift()) > .03
df['flag'] = df.groupby('Id').apply(f).values

赞(0）回复(0）举报 2022-09-21

vfh0ocws2#

您具有pct_change：

df['big_change'] = df.groupby('Id')['value'].pct_change().gt(.03).astype(int)

产出：

Id      date  value  big_change
0  x1  01-01-22   46.0           0
1  x1  02-01-22   46.0           0
2  x1  03-01-22   45.8           0
3  x2  03-04-22   57.0           0
4  x2  03-04-22   62.0           1

赞(0）回复(0）举报 2022-09-21

我来回答

确保Pandas群体内数据始终减少的毕德式方法

2条答案

相关问题

热门标签

最新问答