Python 熊猫：使用总和乘积滚动窗口_Python_Pandas

Python 熊猫：使用总和乘积滚动窗口

python pandas

Python 熊猫：使用总和乘积滚动窗口,python,pandas,Python,Pandas,有很多答案，每一个都能为我提供一部分我想要的结果，但我很难把它们放在一起。我的核心Pandas数据框如下所示，其中我试图估算音量\u步骤1： date volume_step_0 volume_step_1 2018-01-01 100 a 2018-01-02 101 b 2018-01-03 105 c 201

有很多答案，每一个都能为我提供一部分我想要的结果，但我很难把它们放在一起。我的核心Pandas数据框如下所示，其中我试图估算

音量\u步骤1

：

date        volume_step_0     volume_step_1
2018-01-01            100                 a
2018-01-02            101                 b
2018-01-03            105                 c
2018-01-04            123                 d
2018-01-05            121                 e

然后我有一个参考表，上面有转换率，例如

step     conversion
0              0.60
1              0.81
2              0.18
3              0.99
4              0.75

我还有另一张表，其中包含泊松分布的点估计：

days_to_complete    step_no     pc_cases
0                         0         0.50
1                         0         0.40
2                         0         0.07

利用这些数据，我现在要估计

volume_step_1 = 
(volume_step_0(today) * days_to_complete(step0, day0) * conversion(step0)) + 
(volume_step_0(yesterday) * days_to_complete(step0,day1) * conversion(step0))

等等

如何编写一些Python代码来实现这一点？

调用您的数据帧（自上而下为

df1

、

df2

和

df3

）：

编辑： IIUC，您正试图在

体积步骤步骤步骤0

列与特定

步骤步骤步骤编号的pc案例
和转换
的乘积之间获得某种“点积”。您可以合并
df2和df3以匹配步骤
：
df_merged = df_merged = df2.merge(df3, how = 'left', left_on = 'step', right_on = 'step_no')
df_merged.head(3)

       step  conversion  days_to_complete  step_no  pc_cases
0   0.0         0.6               0.0      0.0      0.50
1   0.0         0.6               1.0      0.0      0.40
2   0.0         0.6               2.0      0.0      0.07

我猜您只是使用stepk
来获取volume\u step\u k+1
，并且您希望在几天内迭代求和。以下代码为days\u to\u complete
中可用的k
的所有值生成days\u to\u complete（step0，dayk）
和conversion（step0）
的向量，并找到它们的乘积：
df_fin = df_merged[df_merged['step'] == 0][['conversion', 'pc_cases']].product(axis = 1)

0    0.300
1    0.240
2    0.042

   df_fin = df_fin[::-1].reset_index(drop = True)

最后，您希望通过体积步骤0
向量获得天数到完成时间
*转换
向量的点积，用于滚动窗口（因为在天数到完成时间
中存在许多值）：
输出：
df1
         date volume_step_0  volume_step_1
0  2018-01-01           100            NaN
1  2018-01-02           101            NaN
2  2018-01-03           105         70.230
3  2018-01-04           123         66.342
4  2018-01-05           121         59.940

虽然这决不是一个全面的解决方案，但正如您所要求的那样，代码旨在提供“对多个产品求和”的逻辑。
调用您的数据帧（自上而下分别为df1
、df2
和df3
）：
编辑：
IIUC，您正试图在体积步骤步骤步骤0
列与特定步骤步骤步骤编号的pc案例
和转换
的乘积之间获得某种“点积”。您可以合并
df2和df3以匹配步骤
：
df_merged = df_merged = df2.merge(df3, how = 'left', left_on = 'step', right_on = 'step_no')
df_merged.head(3)

       step  conversion  days_to_complete  step_no  pc_cases
0   0.0         0.6               0.0      0.0      0.50
1   0.0         0.6               1.0      0.0      0.40
2   0.0         0.6               2.0      0.0      0.07

我猜您只是使用stepk
来获取volume\u step\u k+1
，并且您希望在几天内迭代求和。以下代码为days\u to\u complete
中可用的k
的所有值生成days\u to\u complete（step0，dayk）
和conversion（step0）
的向量，并找到它们的乘积：
df_fin = df_merged[df_merged['step'] == 0][['conversion', 'pc_cases']].product(axis = 1)

0    0.300
1    0.240
2    0.042

   df_fin = df_fin[::-1].reset_index(drop = True)

最后，您希望通过体积步骤0
向量获得天数到完成时间
*转换
向量的点积，用于滚动窗口（因为在天数到完成时间
中存在许多值）：
输出：
df1
         date volume_step_0  volume_step_1
0  2018-01-01           100            NaN
1  2018-01-02           101            NaN
2  2018-01-03           105         70.230
3  2018-01-04           123         66.342
4  2018-01-05           121         59.940

虽然这决不是一个全面的解决方案，但正如您所问，代码旨在提供“求多个产品之和”的逻辑。
谢谢，在我的最小可行数据集环境中，这是可行的，但我的实际时间延迟会持续数百天，并且会根据步骤发生显著变化。我怎样才能输入任意天数？你的意思是，如果你想估算像第2步
、第3步
等的天数，我可以从你的答案中计算出来。按照volume\u step\u 1
，我的实际数据在df2中的每个步骤大约有100多天。如何在不需要100多条不同的sum语句的情况下编写计算？FTFY，如果要在布尔掩码上建立索引，然后选择列，请使用loc
。。。这将两个\uuuu getitem\uuuuu
调用减少为一个：）顺便说一句，答案太棒了。谢谢，在我的最小可行数据集环境中，这是可行的，但我的实际时间延迟会持续数百天，并且会根据步骤发生显著变化。我怎样才能输入任意天数？你的意思是，如果你想估算像第2步
、第3步
等的天数，我可以从你的答案中计算出来。按照volume\u step\u 1
，我的实际数据在df2中的每个步骤大约有100多天。如何在不需要100多条不同的sum语句的情况下编写计算？FTFY，如果要在布尔掩码上建立索引，然后选择列，请使用loc
。。。顺便说一句，这将两个\uuu getitem\uuu
调用减少为一个：）奇妙的答案。