如何获得滚动的熊猫数据框子集

Question

我想以“滚动”方式获取数据帧子集。我尝试了几件事但没有成功，这是我想做的一个例子。让我们考虑数据框。

df
     var1      var2
0    43         74
1    44         74
2    45         66
3    46        268
4    47         66

我想使用以下函数创建一个新列，该列执行条件总和：

def func(x):
    tmp = (x["var1"] * (x["var2"] == 74)).sum()
    return tmp

并像这样称呼它

df["newvar"] = df.rolling(2, min_periods=1).apply(func)

这意味着该函数将基于数据框应用，而不是针对每一行或每一列

它会回来

     var1      var2      newvar
0    43         74         43          # 43
1    44         74         87          # 43 * 1 + 44 * 1
2    45         66         44          # 44 * 1 + 45 * 0
3    46        268         0           # 45 * 0 + 46 * 0
4    47         66         0           # 46 * 0 + 47 * 0

有没有一种pythonic的方法来做到这一点？这只是一个示例，但条件（始终基于子数据框值取决于 2 列以上。

Answer 1

更新评论

@unutbu在这里对一个非常相似的问题发布了一个很好的答案，但看来他的答案是基于pd.rolling_apply将索引传递给函数的。我不确定如何用当前DataFrame.rolling.apply方法复制它。

原答案

看来通过函数传递给参数的变量apply是每列（一次一个）的 numpy 数组，而不是 DataFrame，因此不幸的是您无法访问任何其他列。

但你可以做的是使用一些布尔逻辑根据是否var2为74临时创建一个新列，然后使用滚动方法。

df['new_var'] = df.var2.eq(74).mul(df.var1).rolling(2, min_periods=1).sum()

   var1  var2  new_var
0    43    74     43.0
1    44    74     87.0
2    45    66     44.0
3    46   268      0.0
4    47    66      0.0

临时列基于上面代码的前半部分。

df.var2.eq(74).mul(df.var1)
# or equivalently with operators
# (df['var2'] == 74) * df['var1']

0    43
1    44
2     0
3     0
4     0

查找传递给 apply 的变量的类型

了解实际传递给 apply 函数的内容非常重要，而且我不能总是记住传递的内容，因此如果我不确定，我将打印出变量及其类型，以便我清楚我要传递的对象是什么正在处理。请使用原始 DataFrame 查看此示例。

def foo(x):
    print(x)
    print(type(x))
    return x.sum()

df.rolling(2, min_periods=1).apply(foo)

输出

[ 43.]
<class 'numpy.ndarray'>
[ 43.  44.]
<class 'numpy.ndarray'>
[ 44.  45.]
<class 'numpy.ndarray'>
[ 45.  46.]
<class 'numpy.ndarray'>
[ 46.  47.]
<class 'numpy.ndarray'>
[ 74.]
<class 'numpy.ndarray'>
[ 74.  74.]
<class 'numpy.ndarray'>
[ 74.  66.]
<class 'numpy.ndarray'>
[  66.  268.]
<class 'numpy.ndarray'>
[ 268.   66.]
<class 'numpy.ndarray'>