如何使用groupby在Pandas/Numpy中展开窗口？
在Pandas/Numpy中，可以使用groupby函数来展开窗口。groupby函数是一种分组操作，它可以将数据按照指定的列进行分组，并对每个分组应用相应的函数。
展开窗口是指在数据中创建一个滑动窗口，然后对窗口中的数据进行聚合操作。在Pandas中，可以使用rolling函数来创建滑动窗口，并通过指定窗口大小和聚合函数来实现展开窗口操作。
下面是使用groupby在Pandas中展开窗口的步骤：
- 导入必要的库：
import pandas as pd
import numpy as np- 创建一个DataFrame对象：
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)- 使用groupby函数按照'A'列进行分组，并创建滑动窗口：
grouped = df.groupby('A')
window = grouped['C'].rolling(window=3)- 对窗口中的数据进行聚合操作，例如计算窗口中的平均值：
result = window.mean()完整的代码示例如下：
import pandas as pd
import numpy as np
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
'B': ['one', 'one', 'two', 'two', 'two', 'one', 'two', 'one'],
'C': [1, 2, 3, 4, 5, 6, 7, 8],
'D': [10, 20, 30, 40, 50, 60, 70, 80]}
df = pd.DataFrame(data)
grouped = df.groupby('A')
window = grouped['C'].rolling(window=3)
result = window.mean()
print(result)以上代码将按照'A'列进行分组，并在'C'列上创建一个窗口大小为3的滑动窗口。然后，通过计算窗口中的平均值，得到了展开窗口的结果。
在腾讯云的产品中，与Pandas/Numpy类似的数据处理和分析工具有TencentDB、Tencent Analytics等。这些产品可以帮助用户在云端进行大规模数据处理和分析，提供高性能和可扩展性。
参考链接：
相关·内容
import numpy as npnp.random.seed(0)# Creating the dataframe# Adding NaNs in the last column
df['measure1'][df['measure1']>0.85] = np.nan 我想使用一个展开窗口<
浏览 36提问于2021-06-19得票数 0
1回答
假设我有一个巨大的形状(samples, timesteps, features)张量，但我想展开它以使用Pandas执行groupby操作，我如何以矢量化的方式相应地标记每个n:n+size元素？缓慢的解决方案： import pandas as pddf["sample
浏览 10提问于2019-06-05得票数 1
我已经在Windows8.1上安装了Python3.6.5和pycharm社区版本2020.1.2，pro..it在numpy上工作完全正常，但当我导入熊猫时，它显示error....please帮助我摆脱这个问题\api.py"，第29行，从NamedAgg导入组，NamedAgg文件导入第1行，从pandas.core.groupby.generic导入DataFrameGroupBy，NamedAgg，SeriesGroupBy文件"C:\Users\india\Desktop\
浏览 2提问于2020-06-09得票数 1
2回答
我想要计算大量组的滚动总和，但我在快速计算时遇到了问题。Pandas具有用于滚动和扩展计算的内置方法 下面是一个例子： import pandas as pdobs_per_g = 20obs =df.groupby(level=0).expanding().sum()
df.groupby(level=0).rolling(window=5).sum() 但对于数量非常多的组来说，这需要很长的时间对于扩展sums，使
浏览 57提问于2019-07-04得票数 3
回答已采纳
1回答
我必须在Pyspark中的滑动窗口内执行聚合。我可以很容易地通过构造一个Pandas来实现这一结果，它将Pandas中的某些列作为输入，将它们转换为Pandas DataFrame，然后计算聚合并返回标量结果。然后将UDF应用于所需的滑动窗口。我正在数据库中使用Pyspark。numpy数组来实现，而PySpark UDF处理numpy结构的速度要快得多。但是，我想避免这个解决方案，因为我需要在相同的框架函数
浏览 5提问于2021-04-11得票数 2
2回答
火炬/野熊:熊猫群的选择
、、、
是否有有效的方法重写以下代码以避免安装和导入pandas并使用torch/numpy？我习惯于使用pandas，所以我这样写，但是我尝试学习numpy和torch，所以我正在寻找不使用pandas的替代解决方案。torch.LongTensor(3072).random_(0, 35)df = pd.DataFrame({'weights': weights.<e
浏览 12提问于2020-03-20得票数 0
回答已采纳
2回答
我在导入CSV文件的特定列时遇到了一些问题。我需要导入数据集的经度和纬度列(图:1)。 但在spyder中，变量explorer显示了错误的变量值(图:2)。看起来我的期望值列显示在Index列中。如何修复此问题/如何导入它？ 但是，当我在variable explorer窗口中单击下面的resize按钮时，索引列会展开并显示类似图3的内容 ? 我使用的代码如下： import pandas<
浏览 16提问于2020-03-28得票数 0
在将相同的numpy函数作为groupby的聚合函数应用时，或者在涉及NaN值的情况下，对相同的值列表应用相同的numpy函数时，我看到不同的行为。这适用于np.sum np.min np.max和np.mean聚合函数的行为看起来与使用np.nansum、np、nanmin等相同 例如 import pandas as pd
import numpyxx.groupby(0).agg(np.sum) 给出 1
浏览 13提问于2019-04-24得票数 0
回答已采纳
当我使用R时，我可以使用str()来检查对象，这些对象在大多数情况下都是一个列表。import statsmodels.api as smheart.groupby(['censors'])['age']
我想调查一下允许我在末尾添加['age']的h
浏览 1提问于2015-01-27得票数 1
我有以下数据集dfimport pandas
ids = pandas.Series(numpy.random.random_integers(0,10000,1000000))
team = pandas.Series(numpy.random.random_integers(0
浏览 2提问于2015-05-18得票数 4
回答已采纳
1回答
我试图在括号中添加, 'var'，但这产生了一个错误：是否有任何智能调整使下面的代码工作？newdf = df.groupby(['s
浏览 10提问于2022-10-06得票数 0
回答已采纳
我正在处理9000行6列的pandas数据帧。在这一点上，我正在尝试将一个工作的连续变量‘经验’年限转换为4个工作(商业经理-业务开发人员-网络营销人员-流量经理)中每一个工作的分类变量‘水平’的专业知识(初学者-中级-高级专家)。考虑到每个工作的经验范围并不相同，我使用"qcut“将数据分为4组，如下所示： (您可以运行以下代码来获取dataframe示例) import pandas as pd
df = pd.DataFrame(method="first"), q = 4, lab
浏览 40提问于2020-09-17得票数 1
回答已采纳
在需要更改输入参数的函数中，使用groupby_object.agg()方法存在问题。是否有可用的函数名.agg()接受的资源，以及如何将参数传递给它们？见下面的例子：import numpy as np
df['colors'
浏览 5提问于2021-02-05得票数 2
回答已采纳
1回答
第二个原子由1索引，有两个邻居由0和2索引，因为数字1在它们之间。因为数组将包含数十万个项，并且它将被调用数千次，所以我不想使用python循环。我正在寻找一种非常有效的方法来做到这一点。
浏览 11提问于2021-01-17得票数 1
1回答
我正在用Pandas中的groupby语句计算特性，并不断得到分段错误。dataframe df的形状大致为(10**7, 2)。for value in value_list: df_tmp.groupby("user_id", as_index=False我在OSX10.11.1上使用Pandas 0.17.1，Numpy 1.10.
浏览 3提问于2016-01-21得票数 1
回答已采纳
1回答
Pandas聚合特定列
、、、
如何仅聚合pandas中的特定列？import numpy as np
'B': [1, 2, 3, 4],'C': np.random.randn(4)})
df.groupby('A').agg(['max']) #works as expected, but gives values
浏览 0提问于2018-03-06得票数 0
在Pandas中，如何在同一个数据集中进行多步/顺序聚合？好像每个步骤都是下一个步骤的“子查询”。在SQL中，我可以这样想：FROM ( FROM df) x在Python3.4和
浏览 0提问于2016-12-30得票数 1
回答已采纳
我期待(无法看到这个已经涵盖任何地方)创建一个滑动窗口使用numpy而不是pandas.rolling (主要是为了速度)。但是，滑动窗口也必须是窗口中实例的最小和最大数目的函数，并在无法构造窗口时返回NaN。这与pandas.rolling类似，参数设置为窗口大小(最大)和min_periods。例如：index val
浏览 2提问于2021-06-15得票数 0
我有一个pandas.core.groupby.DataFrameGroupBy对象，其中我试图计算TOTAL_FLOOR_AREA的值为> 30的行数。我可以使用以下命令计算groupby对象中每个数据帧的行数：但是
浏览 4提问于2017-08-16得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
