0
我有一个“堆叠”格式的时间序列数据,并希望计算基于两列的滚动函数。但是,如下面的示例所示,groupby
将水平连接而不是垂直连接我的结果。最后我可以申请stack
以恢复到高格式。但是,我认为正确的行为应该是垂直连接以允许分配回原始数据帧(类似x['res'] = df.groupby(...).apply(func)
)。有谁知道为什么groupby
行为不如预期,或者我做错了什么?熊猫groupby结果形状出乎意料
x
Out[52]:
group month a b
0 18527 2014-09-01 0.534152 0.973451
1 18527 2014-10-01 0.079879 0.354498
2 18527 2014-11-01 0.032298 0.203997
3 18527 2014-12-01 0.148435 0.352703
4 18527 2015-01-01 0.879930 0.819328
5 18527 2015-02-01 0.475297 0.693203
6 18527 2015-03-01 0.223759 0.731594
7 18527 2015-04-01 0.391933 0.332801
8 18671 2014-09-01 0.740621 0.305298
9 18671 2014-10-01 0.230585 0.772569
10 18671 2014-11-01 0.664834 0.755219
11 18671 2014-12-01 0.987118 0.896310
12 18671 2015-01-01 0.228804 0.058641
13 18671 2015-02-01 0.415715 0.182683
14 18671 2015-03-01 0.574570 0.144686
15 18671 2015-04-01 0.488804 0.545102
x.dtypes
Out[53]:
group int64
month datetime64[ns]
a float64
b float64
dtype: object
def func(s):
return pd.rolling_sum(s.a, 3)/pd.rolling_sum(s.b, 3)
x.set_index('month').groupby('group').apply(func)
Out[55]:
month 2014-09-01 2014-10-01 2014-11-01 2014-12-01 2015-01-01 2015-02-01 group
18527 NaN NaN 0.421900 0.286010 0.770814 0.806152
18671 NaN NaN 0.892505 0.776593 1.099748 1.434238
month 2015-03-01 2015-04-01
group
18527 0.703609 0.620728
18671 3.158185 1.695287
x.set_index('month').groupby('group').apply(func).stack()
Out[56]:
group month
18527 2014-11-01 0.421900
2014-12-01 0.286010
2015-01-01 0.770814
2015-02-01 0.806152
2015-03-01 0.703609
2015-04-01 0.620728
18671 2014-11-01 0.892505
2014-12-01 0.776593
2015-01-01 1.099748
2015-02-01 1.434238
2015-03-01 3.158185
2015-04-01 1.695287
dtype: float64
由于这似乎工作。你能解释为什么有必要转换成DataFrame吗?简单地返回一个系列大部分时间工作。 – ezbentley
如果'func'返回的所有序列具有相同的索引,则熊猫将使该序列成为结果'DataFrame'的行。它大部分时间都在工作,因为大部分时间系列都有不同的指数。 – HYRY
这很有趣。非常感谢! – ezbentley