我怎样才能得到数据框中行值的差异?(用于客户代码)

Question

我的数据集有Customer_Code, As_Of_Date和24个产品。乘积的值为0 -1。我根据客户代码和as_of_date来订购数据集。我想从乘积的下一行减去上一行。这里重要的是让每个客户根据他们的as_of_date离开。

我试着

df2.set_index (Customer_Code) .diff ()

和

df2.set_index (As_Of_Date) .diff ()

和

我在新["Customer_Code" .unique ():
df14 = df12.set_index (As_Of_Date) .diff ()

，但不正确。我的代码对第一个客户是正确的，但对第二个客户不是正确的。我该怎么办?

Answer 1

你没有分享任何数据，所以我编了一些你可以使用的东西。你期望的结果也缺乏。为了进一步参考，请不要分享图片。假设你有这样的数据:

id        date   product 
0    12  2008-01-01         1
1    12  2008-01-01         2
2    12  2008-01-01         1
3    12  2008-01-02         4
4    12  2008-01-02         5
5    34  2009-01-01         6
6    34  2009-01-01         7
7    34  2009-01-01        84
8    34  2009-01-02         4
9    34  2009-01-02         3
10   34  2009-01-02         3
11   34  2009-01-03         5
12   34  2009-01-03         6
13   34  2009-01-03         8

根据我的理解，您希望从前一行减去产品值，并按id和日期分组。(如果有其他组，请适应)。然后需要这样做:

mask = df.duplicated(['id', 'date'])
df['product_diff'] = (np.where(mask, (df['product'] - df['product'].shift(1)), np.nan))

返回:

id        date   product   product_diff
0    12  2008-01-01         1           NaN
1    12  2008-01-01         2           1.0
2    12  2008-01-01         1          -1.0
3    12  2008-01-02         4           NaN
4    12  2008-01-02         5           1.0
5    34  2009-01-01         6           NaN
6    34  2009-01-01         7           1.0
7    34  2009-01-01        84          77.0
8    34  2009-01-02         4           NaN
9    34  2009-01-02         3          -1.0
10   34  2009-01-02         3           0.0
11   34  2009-01-03         5           NaN
12   34  2009-01-03         6           1.0
13   34  2009-01-03         8           2.0

或者如果你想让它反过来:

mask = df.duplicated(['id', 'date'])
df['product_diff'] = (np.where(mask, (df['product'] -  df['product'].shift(-1)), np.nan))

给了:

id        date   product   product_diff
0    12  2008-01-01         1           NaN
1    12  2008-01-01         2           1.0
2    12  2008-01-01         1          -3.0
3    12  2008-01-02         4           NaN
4    12  2008-01-02         5          -1.0
5    34  2009-01-01         6           NaN
6    34  2009-01-01         7         -77.0
7    34  2009-01-01        84          80.0
8    34  2009-01-02         4           NaN
9    34  2009-01-02         3           0.0
10   34  2009-01-02         3          -2.0
11   34  2009-01-03         5           NaN
12   34  2009-01-03         6          -2.0
13   34  2009-01-03         8           NaN