我试图找到每个唯一组的价值增长期,按公司,集团和日期分组.
Company Group Date Value
A X 2015-01 1
A X 2015-02 2
A X 2015-03 1.5
A XX 2015-01 1
A XX 2015-02 1.5
A XX 2015-03 0.75
A XX 2015-04 1
B Y 2015-01 1
B Y 2015-02 1.5
B Y 2015-03 2
B Y 2015-04 3
B YY 2015-01 2
B YY 2015-02 2.5
B YY 2015-03 3
Run Code Online (Sandbox Code Playgroud)
我试过了:
df.groupby(['Date','Company','Group']).pct_change()
Run Code Online (Sandbox Code Playgroud)
但这会返回所有NaN.
我正在寻找的结果是:
Company Group Date Value/People
A X 2015-01 NaN
A X 2015-02 1.0
A X 2015-03 …
Run Code Online (Sandbox Code Playgroud) 我正在尝试将每日数据汇总到财务季度数据中.例如,我有一个财政季度结束日期表:
Company Period Quarter_End
M 2016Q1 05/02/2015
M 2016Q2 08/01/2015
M 2016Q3 10/31/2015
M 2016Q4 01/30/2016
WFM 2015Q2 04/12/2015
WFM 2015Q3 07/05/2015
WFM 2015Q4 09/27/2015
WFM 2016Q1 01/17/2016
Run Code Online (Sandbox Code Playgroud)
和每日数据表:
Company Date Price
M 06/20/2015 1.05
M 06/22/2015 4.05
M 07/10/2015 3.45
M 07/29/2015 1.86
M 08/24/2015 1.58
M 09/02/2015 8.64
M 09/22/2015 2.56
M 10/20/2015 5.42
M 11/02/2015 1.58
M 11/24/2015 4.58
M 12/03/2015 6.48
M 12/05/2015 4.56
M 01/03/2016 7.14
M 01/30/2016 6.34
WFM 06/20/2015 1.05
WFM 06/22/2015 4.05 …
Run Code Online (Sandbox Code Playgroud) 对于A[:,3:]
也在数组中的数组中的每个元素B
,我想将值设置为0,这将创建数组result
import numpy as np
A = np.array([[1, 1, 10, 101, 102, 103, 0, 0],
[2, 2, 10, 102, 108, 0, 0, 0],
[3, 3, 11, 101, 102, 106, 107, 108]])
B = np.array([101, 106, 108])
result = np.array([[1, 1, 10, 0, 102, 103, 0, 0],
[2, 2, 10, 102, 0, 0, 0, 0],
[3, 3, 11, 0, 102, 0, 107, 0]])
Run Code Online (Sandbox Code Playgroud)
我知道有一种方法可以使用in1d
和广播A
作为一维数组,但我不知道如何去做.
任何帮助将不胜感激.
嗨,我正在努力寻找Player
每一个出现的独特之处Team
.
df =
Team Player Number
A Joe 8
A Mike 10
A Steve 11
B Henry 9
B Steve 19
B Joe 4
C Mike 18
C Joe 6
C Steve 18
C Dan 1
C Henry 3
Run Code Online (Sandbox Code Playgroud)
结果应该是:
结果=
Team Player Number
A Joe 8
A Steve 11
B Joe 4
B Steve 19
C Joe 6
C Steve 18
Run Code Online (Sandbox Code Playgroud)
因为乔和史蒂夫是Player
每个人中唯一的Team