Python 计算滚动时间窗口中的百分比变化

模拟数据帧如下所示：

  server_name            log_time  occurrence_in_1h
0           A 2018-05-01 08:00:02                 1
1           B 2018-04-30 15:20:43                 1
2           B 2018-05-01 15:06:58                 1
3           C 2018-04-30 21:07:52                 1
4           C 2018-04-30 22:02:34                 1
5           C 2018-04-30 22:07:31                 2
6           D 2018-04-30 01:20:39                 1
7           D 2018-04-30 01:20:39                 2
8           D 2018-04-30 01:20:39                 3

  server_name            log_time  occurrence_in_1h  occurrence_in_1h_pct_change
0           A 2018-05-01 08:00:02                 1                          0.0
1           B 2018-04-30 15:20:43                 1                          0.0
2           B 2018-05-01 15:06:58                 1                          0.0
3           C 2018-04-30 21:07:52                 1                          0.0
4           C 2018-04-30 21:28:17                 2                          0.0
5           C 2018-04-30 22:02:34                 1                          0.0
6           C 2018-04-30 22:07:31                 2                          1.0
7           C 2018-04-30 22:15:08                 3                         0.5
8           D 2018-04-30 01:20:39                 1                          0.0
9           D 2018-04-30 01:20:39                 2                          0.0
10          D 2018-04-30 01:20:39                 3                          0.0

我想得到每台服务器在列中出现的百分比差异，如下所示：

  server_name            log_time  occurrence_in_1h
0           A 2018-05-01 08:00:02                 1
1           B 2018-04-30 15:20:43                 1
2           B 2018-05-01 15:06:58                 1
3           C 2018-04-30 21:07:52                 1
4           C 2018-04-30 22:02:34                 1
5           C 2018-04-30 22:07:31                 2
6           D 2018-04-30 01:20:39                 1
7           D 2018-04-30 01:20:39                 2
8           D 2018-04-30 01:20:39                 3

  server_name            log_time  occurrence_in_1h  occurrence_in_1h_pct_change
0           A 2018-05-01 08:00:02                 1                          0.0
1           B 2018-04-30 15:20:43                 1                          0.0
2           B 2018-05-01 15:06:58                 1                          0.0
3           C 2018-04-30 21:07:52                 1                          0.0
4           C 2018-04-30 21:28:17                 2                          0.0
5           C 2018-04-30 22:02:34                 1                          0.0
6           C 2018-04-30 22:07:31                 2                          1.0
7           C 2018-04-30 22:15:08                 3                         0.5
8           D 2018-04-30 01:20:39                 1                          0.0
9           D 2018-04-30 01:20:39                 2                          0.0
10          D 2018-04-30 01:20:39                 3                          0.0

我试过使用

df.set_index（['log_time']）.groupby（['server_name']）['occurrence_in_1h'].rolling（'1h'）.apply（lambda x:（x.iloc[-1]-x.iloc[0]）/x.iloc[0]）

它将在第4a行

1.0

中给出

发生率1h

时间窗口中计算

发生率

，而是在

1h

时间窗口内。第9行和第10行也出现了同样的情况，它们应该是

0.0

---

我知道这是因为没有以前的

1h

时间窗口来计算这些行，但我如何才能实现我想要的？

什么是

“序列号”

？您的示例中没有此列dataframe@AndrejKesely抱歉，我已将其编辑为“服务器名称”