在数据框中创建熊猫条件概率

Question

我有一个熊猫数据框df中的概率（从2011年7月1日到2011年7月31日，在15分钟内）。 下面是一个摘录：

  Date_Time  prob 
0 2011-07-01 00:00:00 0.0112 
1 2011-07-01 00:15:00 0.0224 
2 2011-07-01 00:30:00 0.0112 
3 2011-07-01 00:45:00 0.0896 
4 2011-07-01 01:00:00 0.0112 
5 2011-07-01 01:15:00 0.0112 
6 2011-07-01 01:30:00 0.0336 
7 2011-07-01 01:45:00 0.1081 
8 2011-07-01 02:00:00 0.0112 

我要计算的条件概率（给定B的概率 - > P（A | B））一个15-最小 - 期的她的四个先进的（！） 。这对于每一行（周期）。 这意味着（I使用的索引命名这里的行）：

P（4 | 0），P（4 | 1），P（4 | 2），P（4 | 3）

P（5 | 1），P（5 | 2），P（5 | 3），P（5 | 4）

等等。

的公式是：P（A | B）= P（A和B）/ P（B），以及（P（A）* P（B）/ P（B））

对不起，但我不知道我该怎么做。也许有一个有用的熊猫功能，我可以适应，但我没有找到什么。

Answer 1

可以使用shift()计算所有这些概率

>>> for i in range(1,5): 
...  probB = df.shift(i)['prob'] 
...  probA = df['prob'] 
...  df['prob -' + str(i)] = (probA * probB)/probB 
... 
>>> df 
      Date_Time prob prob -1 prob -2 prob -3 prob -4 
0 2011-07-01 00:00:00 0.0112  NaN  NaN  NaN  NaN 
1 2011-07-01 00:15:00 0.0224 0.0224  NaN  NaN  NaN 
2 2011-07-01 00:30:00 0.0112 0.0112 0.0112  NaN  NaN 
3 2011-07-01 00:45:00 0.0896 0.0896 0.0896 0.0896  NaN 
4 2011-07-01 01:00:00 0.0112 0.0112 0.0112 0.0112 0.0112 
5 2011-07-01 01:15:00 0.0112 0.0112 0.0112 0.0112 0.0112 
6 2011-07-01 01:30:00 0.0336 0.0336 0.0336 0.0336 0.0336 
7 2011-07-01 01:45:00 0.1081 0.1081 0.1081 0.1081 0.1081 
8 2011-07-01 02:00:00 0.0112 0.0112 0.0112 0.0112 0.0112