Python 上一行之前的值的Groupby

如果每个水果的值低于上一行的值，如何添加布尔值？如果是的话，前5年的平均值是多少

fruit   year     value 
apple   1950      2
apple   1951      3
apple   1952      3
apple   1953      4
apple   1954      5
apple   1955      4
banana  1950     333
banana  1951     335 

试试这个：

Expected Output
fruit   year     value  lower_than_before  5 year avg
apple   1950      2
apple   1951      3
apple   1952      3
apple   1953      4
apple   1954      5
apple   1955      4       True                 3.4
banana  1950     333
banana  1951     335 

输出：

g = df.groupby('fruit')
df['lower_than_before'] = g['value'].diff().lt(0)
df['5 year avg'] = g['value'].apply(lambda x: x.rolling(5).mean().shift().where(df['lower_than_before'].cummax()))
df

df['lower_than_before'] = np.where((df.value - df.value.shift(1)) < 0, True, '')

df['5 year avg'] = np.where(df.lower_than_before=='True', df.value.rolling(window=5, min_periods=0).mean().shift(1), '')

---

使用shift函数并处理NaN，如下所示：

    fruit  year  value  lower_than_before  5 year avg
0   apple  1950      2              False         NaN
1   apple  1951      3              False         NaN
2   apple  1952      3              False         NaN
3   apple  1953      4              False         NaN
4   apple  1954      5              False         NaN
5   apple  1955      4               True         3.4
6  banana  1950    333              False         NaN
7  banana  1951    335              False         NaN

---

5年平均值相对于每个水果在该布尔行之前的5年平均值。这里5+4+3+3+2=17。那么17/5=3.4对不起，在一个True之后也可以做5年的平均值吗？在我的样本数据中，1955年之后没有年份，但原则上应该是1956年到2000年的平均值“条件预期的布尔数组，而不是对象”@asd检查键入。。。这似乎是这些语句的

where

部分的错误。df['lower_than_before']应该是一个布尔级数。@ScottBoston真棒，我在想什么是解决相对5年平均值的最佳方法，但你的方法非常有效。谢谢！对不起，也可以在一个真值之后计算5年平均值吗？是的，请尝试以下代码：df['5年平均值]=np.where（（df.lower_than_before='True'））（df.lower_than_before.shift（1）='True'）），df.value.rolling（window=5，min_periods=0.mean（）.shift（1），“”）嗯，5年后，有些人似乎没有给出正确的答案reason@asd在第5行中，前5年的平均值应该是3.4，在第6行中，它应该是3.8，这与代码的输出相匹配。@asd尝试一下这个代码：df['5年后的平均值]=np.where（df.lower\u-before='True'，df.value.shift（-5）。滚动（窗口=5，最小周期=0）。平均值（），“”）

    fruit  year  value lower_than_before 5 year avg
0   apple  1950      2                             
1   apple  1951      3                             
2   apple  1952      3                             
3   apple  1953      4                             
4   apple  1954      5                             
5   apple  1955      4              True        3.4
6  banana  1950    333                             
7  banana  1951    335