gruppierten Unterschiede in Pandas mit mehreren Feldern
In dieser Situation wollen wir die Unterschiede in der Werte für verschiedene Site und Landkombinationen im Laufe der Zeit berechnen. date:
df = df.sort_values(by=['site', 'country', 'date'])df = df.sort_values(by=['site', 'country', 'date'])
df['diff'] = df.groupby(['site', 'Country']) ['Score']. Diff (). fillna (0) df['diff'] = df.groupby(['site', 'country'])['score'].diff().fillna(0)
Schließlich zeigen wir die Ergebnisse an:
prise (df). Ausgabe: Datum Standort Country Score Diff 8 2018-01-01 fb es 100 0.0 9 2018-01-02 FB GB 100 0,0 5 2018-01-01 FB US 50 0,0 6 2018-01-02 FB US 55 5.0 7 2018-01-03 FB US 100 45.0 1 2018-01-01 Google CH 50 0.0 4 2018-01-02 Google CH 10 -40.0 0 2018-01-01 Google US 100 0.0 2 2018-01-02 Google US 70-30.0 3 2018-01-03 Google US 60 -10.0
print(df)
Output:
date site country score diff
8 2018-01-01 fb es 100 0.0
9 2018-01-02 fb gb 100 0.0
5 2018-01-01 fb us 50 0.0
6 2018-01-02 fb us 55 5.0
7 2018-01-03 fb us 100 45.0
1 2018-01-01 google ch 50 0.0
4 2018-01-02 google ch 10 -40.0
0 2018-01-01 google us 100 0.0
2 2018-01-02 google us 70 -30.0
3 2018-01-03 google us 60 -10.0
Haftungsausschluss: Alle bereitgestellten Ressourcen stammen teilweise aus dem Internet. Wenn eine Verletzung Ihres Urheberrechts oder anderer Rechte und Interessen vorliegt, erläutern Sie bitte die detaillierten Gründe und legen Sie einen Nachweis des Urheberrechts oder Ihrer Rechte und Interessen vor und senden Sie ihn dann an die E-Mail-Adresse: [email protected] Wir werden die Angelegenheit so schnell wie möglich für Sie erledigen.
Copyright© 2022 湘ICP备2022001581号-3