python pct_change_在pct_change（）和缺失值之前重新采样

我有一个数据帧：import pandas as pd

df = pd.DataFrame([['A', 'G1', '2019-01-01', 11],

['A', 'G1', '2019-01-02', 12],

['A', 'G1', '2019-01-04', 14],

['B', 'G2', '2019-01-01', 11],

['B', 'G2', '2019-01-03', 13],

['B', 'G2', '2019-01-06', 16]],

columns=['cust', 'group', 'date', 'val'])

^{pr2}$

数据帧被分组，现在我想计算pct_change，但前提是有以前的日期。

如果我这样做：df['pct'] = df.groupby(['cust', 'group']).val.pct_change()

我将得到pct_change，但不考虑丢失的日期。

例如，在组('A', 'G1')中，日期2019-01-04的pct应该是{}，因为没有(上一个)日期2019-01-03。在

也许解决方案是按天重新采样，其中每个新行将np.nan作为val，然后再做{}。在

我试图使用df.resample('1D', level=2)，但是我得到一个错误：TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'MultiIndex'

对于组('B', 'G2')，所有pct_change应该是np.nan，因为没有一行有上一个日期。在

预期结果为：

如何计算关于缺失日期的pct_change？在

解决方案：new_df = pd.DataFrame()

for x, y in df.groupby(['cust', 'group']):

resampled=y.set_index('date').resample('D').val.mean().to_frame().rename({'val': 'resamp_val'}, axis=1)

resampled = resampled.join(y.set_index('date')).fillna({'cust':x[0],'group':x[1]})

resampled['resamp_val_pct'] = resampled.resamp_val.pct_change(fill_method=None)

new_df = pd.concat([new_df, resampled])

new_df = new_df[['cust', 'group', 'val', 'resamp_val', 'resamp_val_pct']]

new_df

python pct_change_在pct_change（）和缺失值之前重新采样相关推荐

python中的pct_change用法
** **python中的pct_change用法: ** 代码: ** s=pd.Series([1,2,3,4,5]) print('periods=1,(当前值-前1值)/前1值') print ...
python和R对dataframe的拼接、采样、链式操作：dplyr、tidyr、concat、rbind、cbind、sample、sample_n、set.seed、mutate、filter
python和R对dataframe的拼接.采样.链式操作:dplyr.tidyr.concat.rbind.cbind.sample.sample_n.set.seed.mutate.filter. ...
python使用imbalanced-learn的ClusterCentroids方法进行下采样处理数据不平衡问题
python使用imbalanced-learn的ClusterCentroids方法进行下采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜 ...
python使用imbalanced-learn的AllKNN方法进行下采样处理数据不平衡问题
python使用imbalanced-learn的AllKNN方法进行下采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(class ske ...
python使用imbalanced-learn的NearMiss方法进行下采样处理数据不平衡问题
python使用imbalanced-learn的NearMiss方法进行下采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(class s ...
python使用imbalanced-learn的TomekLinks方法进行下采样处理数据不平衡问题
python使用imbalanced-learn的TomekLinks方法进行下采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(class ...
python使用imbalanced-learn的OneSidedSelection方法进行下采样处理数据不平衡问题
python使用imbalanced-learn的OneSidedSelection方法进行下采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏 ...
python使用imbalanced-learn的SMOTE方法进行上采样处理数据不平衡问题
python使用imbalanced-learn的SMOTE方法进行上采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(class skew ...
python使用imbalanced-learn的SVMSMOTE方法进行上采样处理数据不平衡问题
python使用imbalanced-learn的SVMSMOTE方法进行上采样处理数据不平衡问题机器学习中常常会遇到数据的类别不平衡(class imbalance),也叫数据偏斜(class s ...

python pct_change_在pct_change（）和缺失值之前重新采样

python pct_change_在pct_change（）和缺失值之前重新采样相关推荐

最新文章

热门文章