python – 用groupby滚动max的pandas

2023年12月22日 224次阅读

我有一个问题,让Pandas的滚动功能做我想做的事.我希望每个人都能计算到目前为止的最大值.这是一个例子：

df = pd.DataFrame([[1,3], [1,6], [1,3], [2,2], [2,1]], columns=['id', 'value'])

好像

   id  value
0   1      3
1   1      6
2   1      3
3   2      2
4   2      1

现在我希望获得以下DataFrame：

   id  value
0   1      3
1   1      6
2   1      6
3   2      2
4   2      2

问题是,当我这样做

df.groupby('id')['value'].rolling(1).max()

我得到了相同的DataFrame.而当我这样做

df.groupby('id')['value'].rolling(3).max()

我得到了一个N​​ans的DataFrame.有人可以解释如何正确使用滚动或其他一些Pandas函数来获取我想要的DataFrame吗？

最佳答案 看起来你需要cummax()而不是.rolling(N).max()

In [29]: df['new'] = df.groupby('id').value.cummax()

In [30]: df
Out[30]:
   id  value  new
0   1      3    3
1   1      6    6
2   1      3    6
3   2      2    2
4   2      1    2

时间(使用全新的Pandas版本0.20.1)：

In [3]: df = pd.concat([df] * 10**4, ignore_index=True)

In [4]: df.shape
Out[4]: (50000, 2)

In [5]: %timeit df.groupby('id').value.apply(lambda x: x.cummax())
100 loops, best of 3: 15.8 ms per loop

In [6]: %timeit df.groupby('id').value.cummax()
100 loops, best of 3: 4.09 ms per loop

注意：from Pandas 0.20.0 what’s new

>改进了groupby().cummin()和groupby()的性能.cummax()(GH15048,GH15109,GH15561,GH15635)

点赞