Python 根据数据帧中的值计算增量

我有这个数据帧（这只是一个示例，不是真实的数据）：

我想要的是计算每两个月购买的增量项目。也就是说，例如，客户“001”在2月（20日）购买的物品比1月（10日）多10件。客户'002'购买了10件物品（2月20日、1月30日）。最终的数据帧如下所示：

In [3]: delta_df
Out [3]:   
            client_id   delta_items_feb   delta_items_mar
        0         001                10                10
        1         002               -10                -5
        2         003                10                -5

---

有什么想法吗？

这里有一种方法，使用

pivot\u table

首先按客户和月份对项目计数进行分组：

1) clietn_id to  set. Set to list client_listand sorted  ['001','002','003'] .
2) month string to int Jan-1;Feb-2;Mar -3 and etc
3)  for client in client_listand:
    For every client create new list
    for line in you_date:
        When ides of clients coincide, add to the list #filter by client_id
     sorted result by month
     in the loop from data of one client generate the lines of outgoing table. 
     delta_items_mar = item[n]-item[n-1]

（我首先用

df.items=df.items.astype（int）

将

items

列转换为整数）

注意：在pandas的较新版本中，在创建透视表时使用

索引

/

列

，而不是

行

/

列

这：

• 按客户端和日期透视数据，以显示每个客户端的项目计数
• 确保表中的列按月份正确排序
• 使用

  np.diff

  计算连续月份之间的差异，并使用所需的列名创建新的数据框

---

这是一个非常明确的问题。按客户分组并计算每个组的增量：

>>> df['deltas'] = df.groupby('client_id')\
                     .apply(lambda x: x['items'].astype(int).diff()).values

  client_id  items month  deltas
0       001     10   Jan     NaN
1       001     20   Feb      10
2       001     30   Mar      10
3       002     30   Jan     NaN
4       002     20   Feb     -10
5       002     15   Mar      -5
6       003     10   Jan     NaN
7       003     20   Feb      10
8       003     15   Mar      -5

最后，将其放到您想要删除一月专栏的表单：

>>> df.pivot(index='client_id', columns='month', values='deltas')\
      .drop('Jan', axis=1)

month       Feb  Mar
client_id       
001         10  10
002        -10  -5
003         10  -5

---

不花哨，但这是对我有用的

#change 'items' from string to int
## use loc to avoid "slice" warning
df.loc[:,"items"] = df["items"].map(int)

# use pivot to make columns for each unique value in "month" column
dfp = df.pivot('client_id','month','items')

# calculate delta and put in a new column 
dfp["dJF"] = dfp.Feb - dfp.Jan

给予

---

似乎我们找到了相同的解决方案（pivot+diff），但顺序不同；-）所以我们做了：-）我想我最初尝试了

groupby

，但没有想到如何最好地在这里使用它，所以很高兴看到您的解决方案。我在执行“df['deltas']=df.groupby（'client_id'）.apply（lambda x:x['items'].astype（int.diff（））.ValueError:value的长度与索引的长度不匹配”时遇到了这个错误。看不出原因…将

df.groupby（'client_id'）.apply（lambda x:x['items'].astype（int.diff（））.values

的输出与原始

df

进行比较，以查看导致差异的原因。它在my pandas 0.15.1上使用您的示例数据运行正常。运行

df.groupby（'client_id'）后，我得到一个3x3数组。应用（lambda x:x['items'].astype（int.diff（））。值

和差异值。也许这就是为什么我不能将

df['delta']

分配给数组的原因？我的熊猫版本是0.14.1这很奇怪，看起来你不仅得到了值，还得到了索引？您使用的是相同的测试数据还是错误出现在新数据中？我使用的是相同的测试数据（只是检查了两次）。我得到的数组是

数组（[[nan，10,10.]，[nan，-10.，-5.]，[nan，10.，-5.]）

。该

df.groupby…

语句的期望输出是什么？

>>> df.pivot(index='client_id', columns='month', values='deltas')\
      .drop('Jan', axis=1)

month       Feb  Mar
client_id       
001         10  10
002        -10  -5
003         10  -5

#change 'items' from string to int
## use loc to avoid "slice" warning
df.loc[:,"items"] = df["items"].map(int)

# use pivot to make columns for each unique value in "month" column
dfp = df.pivot('client_id','month','items')

# calculate delta and put in a new column 
dfp["dJF"] = dfp.Feb - dfp.Jan

month     Feb Jan Mar  dJF
client_id                 
001        20  10  30   10
002        20  30  15  -10
003        20  10  15   10