Pandas 滚动函数加值

Question

我有一个非常标准的函数，它似乎会产生非常奇怪的响应；我以为我已经弄清楚发生了什么，但现在我不太确定。本质上，我想使用滚动函数来创建之前两个值的简单滚动平均值。当我直接执行此操作时，它似乎从框架中的其他位置提取第一个数字的值，而当我在循环中执行此操作时，我不知道它来自哪里。样本数据：player  game_id game_order  TOI_comp    G_compA.J..GREER  2016020227  37  16.566667   02016020251  36  11.733333   02016020268  35  12.700000   02016020278  34  15.433333   02016020296  33  11.850000   0player_avgs_base.sort_values(by=['player','game_order'],ascending=False, inplace=True)avgtoi = player_avgs_base["TOI_comp"].rolling(2).mean().shift()avgtoiplayer         game_id     game_orderZENON.KONOPKA  2013021047  2                   NaNA.J..GREER     2016020268  35                  NaN               2016020278  34             9.308333               2016020296  33            14.066667               2017020134  32            13.641667               2017020149  31            10.108333               2017020165  30             7.175000               2017020194  29             6.100000我本来希望更像player         game_id     game_order    A.J..GREER     2016020251  36                  NaN                   2016020268  35                  NaN                   2016020278  34                12.22                    2016020296  33            14.066667                   2017020134  32            13.641667                   2017020149  31            10.108333

Answer 1

我认为这是一个排序问题。如果这能解决您的问题，请您尝试一下：

player_avgs_base.sort_values(["player","game_order"], ascending=False, inplace=True) 

如果愿意，您可以在执行排序后设置索引。

另一点是，对于您的代码，滚动不尊重分组。我猜你想计算每个玩家的滚动总和，对，而不是混合其他玩家的价值。如果是这样，您可以使用以下代码：

df2= df.sort_values(["player",'game_id',"game_order"])

df2['TOI_comp_avg_lt']= df2.groupby('player')['TOI_comp'].apply(lambda ser: ser.rolling(2).mean().shift())

这输出：

          player     game_id  game_order   TOI_comp  G_comp  TOI_comp_avg_lt

0     A.J..GREER  2016020227          37  16.566667       0              NaN

2     A.J..GREER  2016020251          36  11.733333       0              NaN

4     A.J..GREER  2016020268          35  12.700000       0        14.150000

6     A.J..GREER  2016020278          34  15.433333       0        12.216666

7     A.J..GREER  2016020296          33  11.850000       0        14.066666

1  ZENON.KONOPKA  2013021047          34  12.666666       0              NaN

5  ZENON.KONOPKA  2013021047          35  14.722222       0              NaN

3  ZENON.KONOPKA  2013021047          37  13.111111       0        13.694444

对于以下测试数据：

import pandas as pd

import io

raw= """A.J..GREER     2016020227  37  16.566667   0

ZENON.KONOPKA  2013021047  34  12.666666   0

A.J..GREER     2016020251  36  11.733333   0

ZENON.KONOPKA  2013021047  37  13.111111   0

A.J..GREER     2016020268  35  12.700000   0

ZENON.KONOPKA  2013021047  35  14.722222   0

A.J..GREER     2016020278  34  15.433333   0

A.J..GREER     2016020296  33  11.850000   0"""

df= pd.read_csv(io.StringIO(raw), sep='\s+', names=['player', 'game_id', 'game_order', 'TOI_comp', 'G_comp'])

顺便提一句。你set_index的不能替代排序。该索引对输出没有影响。例如，如果您df按照上面的定义使用并执行：

df_indexed= df.set_index(["player",'game_id',"game_order"]) 

df_indexed_result= df_indexed.copy()

df_indexed_result['TOI_comp_shifted']= df_indexed["TOI_comp"].shift()

df_indexed_result['TOI_comp_rolling_mean']= df_indexed["TOI_comp"].rolling(2).mean().shift()

你得到：

                                      TOI_comp  G_comp  TOI_comp_shifted  TOI_comp_rolling_mean

player        game_id    game_order                                                            

A.J..GREER    2016020227 37          16.566667       0               NaN                    NaN

ZENON.KONOPKA 2013021047 34          12.666666       0         16.566667                    NaN

A.J..GREER    2016020251 36          11.733333       0         12.666666              14.616667

ZENON.KONOPKA 2013021047 37          13.111111       0         11.733333              12.200000

A.J..GREER    2016020268 35          12.700000       0         13.111111              12.422222

ZENON.KONOPKA 2013021047 35          14.722222       0         12.700000              12.905555

A.J..GREER    2016020278 34          15.433333       0         14.722222              13.711111

              2016020296 33          11.850000       0         15.433333              15.077777

如果您查看该TOI_comp_shifted列，您会发现它只是填充了前一列的值，无论player它属于哪一列（滚动平均值也是如此）。所以索引对这个操作没有影响。

对于你的第二个问题。我认为循环应该像这样工作，如果你的数据框的列名是好的：

group_obj= df2.groupby('player')

for col in ['TOI_comp', 'G_comp']:

    df2[f'{col}_lt']= group_obj[col].apply(lambda ser: ser.rolling(2).mean().shift())

假设您想以相同的方式将滚动平均值应用于列列表。