Ajout d'une colonne c'est le résultat de la différence dans les lignes consécutives dans les pandas

Permet de dire que j'ai un dataframe comme ce

    A   B
0   a   b
1   c   d
2   e   f 
3   g   h

0,1,2,3 sont reprises, a, c, e, g est une série temporelle et b, d, f, h est un autre moment de la série.
J'ai besoin d'être en mesure d'ajouter deux colonnes à l'orignal dataframe qui est obtenu en calculant les différences de lignes consécutives pour certaines colonnes.

Donc j'ai besoin de quelque chose comme ce

    A   B   dA
0   a   b  (a-c)
1   c   d  (c-e)
2   e   f  (e-g)
3   g   h   Nan

J'ai vu quelque chose qui s'appelle diff sur le dataframe/série, mais qui fait un peu différemment que dans le premier élément deviendra Nan.

InformationsquelleAutor AMM | 2014-04-17
  1. 89

    Utilisation maj.

    df['dA'] = df['A'] - df['A'].shift(-1)
    • ce si A contient la liste des éléments?
    • Cela fonctionne tant que l'opération a du sens pour les valeurs sont dans votre dataframe! Par exemple, si chaque "cellule" dans votre DataFrame est une liste, vous pouvez le faire df['A'] + df['A'].shift(), mais vous ne pouvez pas soustraire depuis la soustraction n'est pas défini pour les listes.
    • Que pouvez-vous faire au sujet de la " NaN " dans la première/dernière ligne?
    • qu'aimeriez-vous y être? Vous pouvez toujours faire un fillna par la suite, mais si vous êtes en déplacement, ce qu'il serait raisonnable de la valeur de la première ligne?
    • Par exemple, les horaires des différences d'un compteur cumulatif. La première ligne doit être rempli de quelque chose, soit 0 ou la valeur d'un autre de la ligne de champs.
    • Bon juste utiliser fillna sur le résultat ensuite. Par exemple df['dA'].fillna(0)
    • je suis SettingWithCopyWarning: Une valeur est d'essayer d'être mis sur une copie d'une tranche à partir d'un DataFrame. Essayez d'utiliser .loc[row_indexer,col_indexer] = valeur à la place
    • C'est un problème très commun avec les pandas, et a à voir avec la façon dont vous avez défini votre dataframe ailleurs. Il n'est pas lié à la shift méthode. Voici un très long article dataquest.io/blog/settingwithcopywarning et un peu moins de stackoverflow réponse qui peut être utile stackoverflow.com/questions/20625582/...

    InformationsquelleAutor exp1orer
  2. 34

    Vous pouvez utiliser diff et passer -1 comme le periods argument:

    >>> df = pd.DataFrame({"A": [9, 4, 2, 1], "B": [12, 7, 5, 4]})
>>> df["dA"] = df["A"].diff(-1)
>>> df
   A   B  dA
0  9  12   5
1  4   7   2
2  2   5   1
3  1   4 NaN

[4 rows x 3 columns]
    • comment puis-je gérer le même problème quand 'A' a la liste des éléments seulement, au lieu de scalaire ?
    • Vous pouvez les gérer en ne leur permettant pas d'être dans une liste.
    • L'on a accepté la réponse est intéressante, mais je pense que c'est la meilleure réponse
    InformationsquelleAutor DSM
  3. 0

    Lors de l'utilisation de données dans le format CSV, cela fonctionne parfaitement:

    my_data = pd.read_csv('sale_data.csv')
df = pd.DataFrame(my_data)
df['New_column'] = df['target_column'].diff(1)
print(df) #for the console but not necessary
    InformationsquelleAutor Seth Okeyo
  4. 0

    De roulement des différences peuvent également être calculé de cette façon:

    df=pd.DataFrame(my_data)
my_data = pd.read_csv('sales_data.csv')
i=0
j=1
while j < len(df['Target_column']):
    j=df['Target_column'][i+1] - df['Target_column'][i] #the difference btwn two values in a column.
    i+=1 #move to the next value in the column.
    j+=1 #next value in the new column.
    print(j)
    • c'est quand vous voulez pour calculer les rolling différences dans une colonne au format CSV, par exemple, vous voulez connaître la différence entre deux valeurs consécutives dans une colonne (Target_column) et de stocker la valeur dans une colonne différente(New_column). Rouler les différences par exemple, vous avez une colonne appelée ['Bénéfice'], pour obtenir les différences d'utiliser dans le calcul du revenu marginal, vous ne valeur2 - valeur1, valeur3 - Valeur2, Valeur 4 - Valeur 3.... etc
    InformationsquelleAutor Seth Okeyo