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Nans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)