Python 使用不带groupby Split Apply Combine的分类键对数据帧中的值进行排序

所以。。。我有一个数据框，看起来像这样，但要大得多：

    DATE        ITEM    STORE   STOCK
0   2018-06-06     A    L001    4
1   2018-06-06     A    L002    0
2   2018-06-06     A    L003    4
3   2018-06-06     B    L001    1
4   2018-06-06     B    L002    2

您可以使用以下代码复制相同的数据帧：

import pandas as pd
import numpy as np
import itertools as it

lojas = ['L001', 'L002', 'L003']
itens = list("ABC")
dr = pd.date_range(start='2018-06-06', end='2018-06-12')

df = pd.DataFrame(data=list(it.product(dr, itens, lojas)), columns=['DATE', 'ITEM', 'STORE'])
df['STOCK'] = np.random.randint(0,5, size=len(df.ITEM))

gg = df.groupby([df.ITEM, df.STORE])
lg = []

for (name, group) in gg:
    aux = group.copy()
    aux.reset_index(drop=True, inplace=True)
    aux['DELTA'] = aux.STOCK.diff().fillna(value=0, inplace=Tr

    lg.append(aux)

df = pd.concat(lg) 

我想计算每对ITEM-STORE中天数之间的去库存差异，使用函数在groupby对象中迭代组很容易。diff可以得到如下结果：

    DATE       ITEM     STORE   STOCK   DELTA
0   2018-06-06    A     L001    4        NaN
9   2018-06-07    A     L001    0       -4.0
18  2018-06-08    A     L001    4        4.0
27  2018-06-09    A     L001    0       -4.0
36  2018-06-10    A     L001    3        3.0
45  2018-06-11    A     L001    2       -1.0
54  2018-06-12    A     L001    2        0.0

我已经通过以下代码实现了这一点：

import pandas as pd
import numpy as np
import itertools as it

lojas = ['L001', 'L002', 'L003']
itens = list("ABC")
dr = pd.date_range(start='2018-06-06', end='2018-06-12')

df = pd.DataFrame(data=list(it.product(dr, itens, lojas)), columns=['DATE', 'ITEM', 'STORE'])
df['STOCK'] = np.random.randint(0,5, size=len(df.ITEM))

gg = df.groupby([df.ITEM, df.STORE])
lg = []

for (name, group) in gg:
    aux = group.copy()
    aux.reset_index(drop=True, inplace=True)
    aux['DELTA'] = aux.STOCK.diff().fillna(value=0, inplace=Tr

    lg.append(aux)

df = pd.concat(lg) 

---

但在一个大数据帧中，它变得不切实际。有没有更快捷的python方法来完成此任务？

我已经尝试改进您的groupby代码，因此这应该会快得多

v = df.groupby(['ITEM', 'STORE'], sort=False).STOCK.diff()
df['DELTA'] = np.where(np.isnan(v), 0, v)

这里有一些建议/想法：

不要迭代组 如果序列属于同一数据帧，则不要将序列作为分组传递。而是传递字符串标签。 差异可以矢量化 最后一行相当于fillna，但fillna比np慢 指定sort=False将防止输出按分组键排序，从而进一步提高性能 这也可以重写为

df['DELTA'] = df.groupby(['ITEM', 'STORE'], sort=False).STOCK.diff().fillna(0)

---

你能想出一个更好的办法吗？输入和输出是不同的。两个显示的帧都是精确的。下一次我提供的代码的开头，为随机生成器播种是个好主意。首先，输入的thks。这是非常有用的。第二：如果您使用的是带有可编辑窗口的“滚动”，而不是diff，那么如何避免对GROUP进行迭代。例如：窗口值包含在一个collumns？@RodrigoTeixeira 1中。没问题。如果使用自定义函数，则无法避免迭代，抱歉。如果此答案解决了您的问题，请将其标记为已接受。如果您还有其他后续问题，请提出新问题。