Python 如何通过滚动显示随时间而降低的列值？

我有一个未来预测值的数据框，我想显示随着时间的推移，该值会减少指定的数量

我想从这里开始：

Group   Period  Value

A   1/1/2020    4.3

A   2/1/2020

A   3/1/2020

A   4/1/2020

A   5/1/2020

A   6/1/2020

A   7/1/2020

A   8/1/2020

A   9/1/2020

B   1/1/2020    6.5

B   2/1/2020

B   3/1/2020

B   4/1/2020

B   5/1/2020

B   6/1/2020

B   7/1/2020

B   8/1/2020

B   9/1/2020    

为此：

Group   Period  Value

A   1/1/2020    4.3

A   2/1/2020    3.3

A   3/1/2020    2.3

A   4/1/2020    1.3

A   5/1/2020    0.3

A   6/1/2020    0

A   7/1/2020    0

A   8/1/2020    0

A   9/1/2020    0

B   1/1/2020    6.5

B   2/1/2020    5.5

B   3/1/2020    4.5

B   4/1/2020    3.5

B   5/1/2020    2.5

B   6/1/2020    1.5

B   7/1/2020    0.5

B   8/1/2020    0

B   9/1/2020    0

我已经创建了数据帧，其值位于起始位置（在本例中为1/1/2020）

有人企图这样做。见下文

group = df2.groupby(['region', 'site', 'product_ID'], as_index=False)

df2['Projected_S'] = group['Projected_S'].rolling(window=1).apply(lambda x: x.shift(1)-1)

---

IIUC，使用类似于：

f=lambda x: np.where(x.ffill()-x.ffill().expanding().count()<0
                 ,0,x.ffill()-x.ffill().expanding().count())
df.Value=df.groupby(df.Value.notna().cumsum())['Value'].transform(f)
print(df)

说明：

df.Value.notna（）.cumsum（）

创建从具有下一个有效值的条目的行开始的组。然后我们使用

.ffill（）

向下填充值。然后使用

expansing（）

我们计算计数，因此基本上它用扩展计数减去值

---

最后使用

np.where（）

检查何处为负值，并将其替换为0.：）

我想出了一个解决方案来提醒我的Excel时代，当时我使用了很多helper列（只在呵呵之后删除它们）。 假设您知道起始位置，并且数据帧的结构如您在问题中所述，则以下过程有效：
1） 确保日期信息正确转换为日期对象
2） 在由组名称和日期组成的数据框中设置多索引
3） 计算每个组的元素数
4） 创建一个助手数组，该数组由希望看到减少的值的重复组成，重复次数与每组中的元素数相同，称之为a
5） 创建另一个要减去的数组，称之为B
6） C=A-B
7） 将负值替换为0
8） 为相关列指定新值
下面是代码：

import numpy as np
import pandas as pd
import datetime as dt

# Enforce conversion to date object
def date_converter(x):
    return dt.datetime.strptime(x, "%m/%d/%Y")


test["Period"] = test["Period"].apply(date_converter)
test.set_index(["Group", "Period"], inplace=True)
starting_pos = "01-01-2020"
forecast_col = "Value"
# Get the names of the groups
u = test.index.unique(0).tolist()
# Get all the instances of all groups
f = test.index.get_level_values(0).tolist()
A = []
B = []
for element in u:
    # Query the value you want to decrease
    value = float(test.loc[(element, starting_pos), forecast_col])
    # Count how many elements there are for each group
    x = f.count(element)
    # Repeat value x times
    y = [value]*x
    # Append repetitions to global result
    A = A + y
    # Create array you want to subtract with len(x)
    B = B + [n for n in range(x)]
to_zero = lambda x: np.where(x < 0, 0, x)
C = pd.Series(np.array(A) - np.array(B)).apply(to_zero)
test.loc[:,"Value"] = C.values
test

将numpy导入为np
作为pd进口熊猫
将日期时间导入为dt
#强制转换为日期对象
def date_转换器（x）：
返回dt.datetime.strtime（x，“%m/%d/%Y”）
测试[“期间”]=测试[“期间”]。应用（日期）
test.set_索引（[“组”、“期间”]，inplace=True）
启动\u pos=“01-01-2020”
预测值
#获取组的名称
u=test.index.unique（0.tolist（））
#获取所有组的所有实例
f=test.index.get_level_值（0）.tolist（）
A=[]
B=[]
对于u中的元素：
#查询要减少的值
值=浮动（test.loc[（元素、起始位置、预测列]）
#计算每个组有多少个元素
x=f.计数（元素）
#重复值x次
y=[值]*x
#将重复添加到全局结果
A=A+y
#创建要用len（x）减去的数组
B=B+[n表示范围（x）内的n]
to_zero=λx:np.式中（x<0,0,x）
C=pd.系列（np.数组（A）-np.数组（B））。适用于（零）
test.loc[：，“Value”]=C.values
测试

---

虽然AcKYY91已经发布了一个答案，我只是想给出另一个选择，我认为更简单，但可以做这项工作。我让你做性能比较。如果这对您有帮助，请告诉我。

您事先知道起始位置吗？我知道。我的代码让我在投影中填充了第一个条目。这是什么样的黑魔法？完全有效，但我不能说我理解你在这里做了什么。谢谢大家!@问号（我添加了一些解释）：干杯

import numpy as np
import pandas as pd
import datetime as dt

# Enforce conversion to date object
def date_converter(x):
    return dt.datetime.strptime(x, "%m/%d/%Y")


test["Period"] = test["Period"].apply(date_converter)
test.set_index(["Group", "Period"], inplace=True)
starting_pos = "01-01-2020"
forecast_col = "Value"
# Get the names of the groups
u = test.index.unique(0).tolist()
# Get all the instances of all groups
f = test.index.get_level_values(0).tolist()
A = []
B = []
for element in u:
    # Query the value you want to decrease
    value = float(test.loc[(element, starting_pos), forecast_col])
    # Count how many elements there are for each group
    x = f.count(element)
    # Repeat value x times
    y = [value]*x
    # Append repetitions to global result
    A = A + y
    # Create array you want to subtract with len(x)
    B = B + [n for n in range(x)]
to_zero = lambda x: np.where(x < 0, 0, x)
C = pd.Series(np.array(A) - np.array(B)).apply(to_zero)
test.loc[:,"Value"] = C.values
test