Python 计算销售滚动(滞后和领先)差异的最佳方法是什么?
我希望在我的数据集中添加一两个字段,表示上周到本周以及本周到下周的销售额差异 我的数据集大约有450万行,因此我正在寻找一种有效的方法来实现这一点,目前我正在进行大量的迭代和for循环,我很确定我的做法是错误的。但我正在尝试编写可在其他数据集上重用的代码,在某些情况下,每周的销售额可能为空或没有变化(因此没有记录) 数据集如下所示:Python 计算销售滚动(滞后和领先)差异的最佳方法是什么?,python,python-3.x,performance,iteration,rolling-computation,Python,Python 3.x,Performance,Iteration,Rolling Computation,我希望在我的数据集中添加一两个字段,表示上周到本周以及本周到下周的销售额差异 我的数据集大约有450万行,因此我正在寻找一种有效的方法来实现这一点,目前我正在进行大量的迭代和for循环,我很确定我的做法是错误的。但我正在尝试编写可在其他数据集上重用的代码,在某些情况下,每周的销售额可能为空或没有变化(因此没有记录) 数据集如下所示: Store Item WeekID WeeklySales 1 1567 34 100.00 2 2765 34
Store Item WeekID WeeklySales
1 1567 34 100.00
2 2765 34 86.00
3 1163 34 200.00
1 1567 35 160.00
. .
. .
. .
我每周都有自己的字典,然后每个商店都会在一本字典内为那一周的销售做准备。因此,我可以使用一周作为一个关键,然后在一周内,我访问商店的商品销售字典
weekly_sales_dict = {}
for i in df['WeekID'].unique():
store_items_dict = {}
subset = df[df['WeekID'] == i]
subset = subset.groupby(['Store', 'Item']).agg({'WeeklySales':'sum'}).reset_index()
for j in subset['Store'].unique():
storeset = subset[subset['Store'] == j]
store_items_dict.update({str(j): storeset})
weekly_sales_dict.update({ str(i) : store_items_dict})
然后,我在每周销售目录中重复每一周,并将其中的每个商店/商品与后面的一周进行比较(我计划在下周也这样做)。我创建的'lag_list'可以按周、存储区和项目编制索引,因此我打算迭代并将值添加到我的df中,作为一个新的lag列,但我觉得我想得太多了
count = 0
key_list = list(df['WeekID'].unique())
lag_list = []
for k,v in weekly_sales_dict.items():
if count != 0 and count != len(df['WeekID'].unique())-1:
prev_wk = weekly_sales_dict[str(key_list[(count - 1)])]
current_wk = weekly_sales_dict[str(key_list[count])
for i in df['Store'].unique():
prev_df = prev_wk[str(i)]
current_df = current_wk[str(i)]
for j in df['Item'].unique():
print('in j')
if j in list(current_df['Item'].unique()) and j in list(prev_df['Item'].unique()):
item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values - prev_df[prev_df['Item'] == int(j)]['WeeklySales'].values
df[df['Item'] == j][df['Store'] == i ][df['WeekID'] == key_list[count]]['lag'] = item_lag[0]
lag_list.append((str(i),str(j),item_lag[0]))
elif j in list(current_df['Item'].unique()):
item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values
lag_list.append((str(i),str(j),item_lag[0]))
else:
pass
count += 1
else:
count += 1
使用pd.diff()
解决了问题。我按周对所有行进行排序,然后通过对存储、项目和周进行分组,创建了一个具有多索引的子集。最后,我使用了周期为1的pd.diff(),最后得到了本周与前一周的销售差异
df = df.sort_values(by = 'WeekID')
subset = df.groupby(['Store', 'Items', 'WeekID']).agg({''WeeklySales'':'sum'})
subset['lag'] = subset[['WeeklySales']].diff(1)
你看过
pd.DataFrame.rolling()
了吗?我看过了,但示例似乎集中在日期上,以确定周期,因为我使用的是周ID,我想我可能需要走不同的路线。我可以在大约4小时内完成解决方案,如果到时候没有答案,我忘了!你还卡住了吗?别担心!我在这方面没有取得任何进展。。。。今天我打算尝试pd.rolling(),但是这些例子对我来说没有太大意义。