Skip to main content
 首页 » 编程设计

python之计算 Pandas 滚动交叉点的大小

2025年05月04日10arxive

我有一个 dataframe,它由组标签 ('B') 和每个组的元素 ('A') 组成。组标签是有序的,我想知道我在组 i+1 中出现了多少组元素。

一个例子:

df= pd.DataFrame({ 'A': ['a','b','c','a','c','a','d'], 'B' : [1,1,1,2,2,3,3]}) 
 
   A  B 
0  a  1 
1  b  1 
2  c  1 
3  a  2 
4  c  2 
5  a  3 
6  d  3 

所需的输出类似于:

B 
1  NaN 
2  2 
3  1 

解决此问题的一种方法是计算组 I 和组 i+1 的并集中不同元素的数量,然后减去每个组中不同元素的数量。我试过:

pd.rolling_apply(grp['A'], lambda x: len(x.unique()),2) 

但这会产生错误:

AttributeError: 'Series' object has no attribute 'type' 

我如何让它与 rolling_apply 一起工作,或者有更好的方法来解决这个问题吗?

请您参考如下方法:

一种使用集合并移动结果的方法:

首先对dataframe进行分组,然后将每组的A列转换为一个集合:

In [86]: grp = df.groupby('B') 
In [87]: s = grp.apply(lambda x : set(x['A'])) 
In [88]: s 
Out[88]:  
B 
1    set([a, c, b]) 
2       set([a, c]) 
3       set([a, d]) 
dtype: object 

要计算连续集合之间的交集,请制作一个移位版本(我将 NaN 替换为下一步的空集合):

In [89]: s2 = s.shift(1).fillna(set([])) 
In [90]: s2 
Out[90]:  
B 
1           set([]) 
2    set([a, c, b]) 
3       set([a, c]) 
dtype: object 

合并两个系列并计算交集的长度:

In [91]: s.combine(s2, lambda x, y: len(x.intersection(y))) 
Out[91]:  
B 
1    0 
2    2 
3    1 
dtype: object 

完成最后一步的另一种方法(对于集合 & 表示 intersection):

df = pd.concat([s, s2], axis=1) 
df.apply(lambda x: len(x[0] & x[1]), axis=1) 

滚动应用不起作用的原因是 1) 您为其提供了一个 GroupBy 对象而不是一个系列,并且 2) 它仅适用于数值。