如何计算 Pandas 中多个网站和国家的分数差异？

使用 Pandas 对多个字段进行分组并查找差异

在处理数据集时，通常需要计算值随时间或不同类别之间的差异或变化。在 Pandas 中，您可以利用 groupby() 和 diff() 函数高效地执行这些计算。

在给定的场景中，您有一个 DataFrame，其中包含各个网站上的数据及其在不同国家/地区的分数。您的目标是确定每个网站国家/地区组合的 1/3/5 天分数差异。

数据框排序和分组

首先，按网站、国家/地区和地区对 DataFrame 进行排序日期列。排序可确保相似的数据点分组在一起，从而更容易计算差异。

<code class="python">df = df.sort_values(by=['site', 'country', 'date'])</code>

接下来，使用 groupby() 函数按站点和国家/地区对数据进行分组。

<code class="python">grouped = df.groupby(['site', 'country'])</code>

计算差异

数据分组后，您现在可以使用 diff() 函数计算分数差异。此函数计算组中连续行之间的差异。

<code class="python">df['diff'] = grouped['score'].diff().fillna(0)</code>

diff() 函数默认用 0 填充缺失值，确保数据集一致且完整。

生成的 Dataframe

生成的 DataFrame 将包含原始数据以及计算出的分数差异：

         date    site country  score  diff
8  2018-01-01      fb      es    100   0.0
9  2018-01-02      fb      gb    100   0.0
5  2018-01-01      fb      us     50   0.0
6  2018-01-02      fb      us     55   5.0
7  2018-01-03      fb      us    100  45.0
1  2018-01-01  google      ch     50   0.0
4  2018-01-02  google      ch     10 -40.0
0  2018-01-01  google      us    100   0.0
2  2018-01-02  google      us     70 -30.0
3  2018-01-03  google      us     60 -10.0

此 DataFrame 为每个站点/国家/地区组合提供所需的 1/3/5 天分数差异。

以上是如何计算 Pandas 中多个网站和国家的分数差异？的详细内容。更多信息请关注PHP中文网其他相关文章！