使用熊貓計算資料框中同一列中多個客戶端的同比變化-有解無憂

我有一個包含四列的資料框：

客戶編號
日期
資產
流動

并非所有客戶都有完整日期集的資料。在這種情況下，行會丟失。換句話說，我沒有為每個客戶提供相同數量的行。

我想計算以下內容并添加其他列：

超過 12m 和 3m 的資產的絕對和相對變化
超過 12m 和 3m 的流量總和

當無法計算統計資訊時（即前 11m），該列應使用 nan 填充。

我已經嘗試過使用 group，但是無法找到解決每個客戶端的資料長度不同這一事實的方法。

這是我的資料（前 4 列）和希望結果（最后 4 列）的示例，在 Excel 中完成：在此處輸入影像描述

uj5u.com熱心網友回復：

如果您對每月更改感興趣，您可以添加列“months_since”，這將等于自某個日期以來的月數。

df.pivot("months_since", "Client ID", "Assets")

獲取資料的矩陣表示。如果某個客戶缺少觀察，他將有一個 nan 值。

然后很容易使用 df.rolling(12).sum() 或 df.diff(12) 計算總和/增量

uj5u.com熱心網友回復：

import pandas as pd
df_data = pd.read_excel('sample2.xlsx')

df_result_change_assets_3m = df_data.pivot_table(values = 'Assets', index = ['Client ID','Date']).unstack(['Client ID']).pct_change(3).unstack(['Date'])['Assets'].reset_index().rename(columns = {0:'Change Assets 3m (%)'})

df_result_change_assets_12m = df_data.pivot_table(values = 'Assets', index = ['Client ID','Date']).unstack(['Client ID']).pct_change(12).unstack(['Date'])['Assets'].reset_index().rename(columns = {0:'Change Assets 12m (%)'})

df_result_change_usd_assets_3m = df_data.pivot_table(values = 'Assets', index = ['Client ID','Date']).unstack(['Client ID'])
df_result_change_usd_assets_3m = df_result_change_usd_assets_3m - df_result_change_usd_assets_3m.shift(3)
df_result_change_usd_assets_3m = df_result_change_usd_assets_3m.unstack(['Date'])['Assets'].reset_index().rename(columns = {0:'Change Assets 3m (USD)'})

df_result_change_usd_assets_12m = df_data.pivot_table(values = 'Assets', index = ['Client ID','Date']).unstack(['Client ID'])
df_result_change_usd_assets_12m = df_result_change_usd_assets_12m - df_result_change_usd_assets_12m.shift(12)
df_result_change_usd_assets_12m = df_result_change_usd_assets_12m.unstack(['Date'])['Assets'].reset_index().rename(columns = {0:'Change Assets 12m (USD)'})


df_data = df_data.merge(df_result_change_assets_3m, how = 'left', on = ['Client ID','Date'])
df_data = df_data.merge(df_result_change_assets_12m, how = 'left', on = ['Client ID','Date'])
df_data = df_data.merge(df_result_change_usd_assets_3m, how = 'left', on = ['Client ID','Date'])
df_data = df_data.merge(df_result_change_usd_assets_12m, how = 'left', on = ['Client ID','Date'])

df_data

uj5u.com熱心網友回復：

我建議你把問題分成兩部分：首先你計算資產的同比增長，然后你可以專注于流量。對于第一個任務，您可以創建兩個新列以使用自聯接合并資料。您可以使用以下方法創建新列pd.tseries.offsets.MonthEnd：

data_df['date_12MonthsAfter'] = data_df['date']   pd.tseries.offsets.MonthEnd(12)
data_df['date_3MonthsAfter'] = data_df['date']   pd.tseries.offsets.MonthEnd(3)

您可以將資料與計算所需數量的兩個自聯接合并。有幾種方法可以做到這一點，我是這樣做的：

data_merged_12Months = (data_df.merge(data_df[['clientId', 'date_12MonthsAfter', 'assets']], 
                                  left_on = ['clientId', 'date'], 
                                  right_on = ['clientId', 'date_12MonthsAfter'],
                                  how = 'left', 
                                  suffixes=['', '_prevYear'])).drop(['date_12MonthsAfter',
                                                                     'date_3MonthsAfter',
                                                                     'date_12MonthsAfter_prevYear'], axis = 1)
data_merged_3Months = (data_df.merge(data_df[['clientId', 'date_3MonthsAfter', 'assets']], 
                                 left_on = ['clientId', 'date'], 
                                 right_on = ['clientId', 'date_3MonthsAfter'],
                                 how = 'left', 
                                 suffixes=['', '_prevQuarter'])).drop(['assets',
                                                                       'flow',
                                                                       'date_12MonthsAfter',
                                                                       'date_3MonthsAfter',
                                                                       'date_3MonthsAfter_prevQuarter'], axis = 1)
data_merged_assets = data_merged_12Months.merge(data_merged_3Months, on = ['clientId', 'date'])
data_merged_assets['perc yoy'] = (data_merged_assets['assets'] - data_merged_assets['assets_prevYear'])/data_merged_assets['assets_prevYear']
data_merged_assets['perc qoq'] = (data_merged_assets['assets'] - data_merged_assets['assets_prevQuarter'])/data_merged_assets['assets_prevQuarter']

對于流量計算，你必須用零替換黑色單元格，你可以用方法來做，.str.replce('', '0')而不是你必須在int. 為了計算過去 12 個月和 3 個月的總和，我找到了這個解決方案

data_merged_assets['flow'] = (data_merged_assets.str.replace('', '0')).astype(int)
data_flow_12Months = data_merged_assets.groupby(['clientId']).rolling(on = 'date', window=12, min_periods=12)["flow"].sum().reset_index()
data_flow_3Months = data_merged_assets.groupby(['clientId']).rolling(on = 'date', window=3, min_periods=3)["flow"].sum().reset_index()
data_flow = data_flow_12Months.merge(data_flow_3Months, on = ['clientId', 'date'], suffixes = ['_sumLast12Months', '_sumLast3Months'])

最后，我合并了兩個資料集。

data_merged = data_merged_assets.merge(data_flow, on = ['clientId', 'date'])

轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/482318.html

標籤：Python 熊猫数据框

上一篇：附加熊貓列資料

下一篇：連續洗掉重復的熊貓