这篇文章主要介绍了python 实现rolling和apply函数的向下取值操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
我就废话不多说了，大家还是直接看代码吧！
import pandas as pd def get_under_rolling(df,window,user,name): df[name] = df[user].iloc[::-1].rolling(window=window).apply(lambda x:x[0]).iloc[::-1] return df if __name__ == '__main__': df = pd.DataFrame({'a':[1,2,3,4,5], 'b':[2,3,4,5,6]}) # 把b列向下取值作为新的c列 df = get_under_rolling(df, window=3, user='b',name='c')
原始df
新的df
补充知识：python：利用rolling和apply对DataFrame进行多列滚动，数据框滚动
看代码~
# 设置一个初始数据框 df1 = [1,2,3,4,5] df2 = [2,3,4,5,6] df = pd.DataFrame({'a':list(df1),'b':list(df2)}) print(df)
a b 0 1 2 1 2 3 2 3 4 3 4 5 4 5 6
下面是滚动函数
# 多列滚动函数 # handle对滚动的数据框进行处理 def handle(x,df,name,n):<b style="color:transparent">来源gao@dai!ma.com搞$代^码网</b> df = df[name].iloc[x:x+n,:] print(df) return 1 # group_rolling 进行滚动 # n：滚动的行数 # df：目标数据框 # name：要滚动的列名 def group_rolling(n,df,name): df_roll = pd.DataFrame({'a':list(range(len(df)-n+1))}) df_roll['a'].rolling(window=1).apply(lambda x:handle(int(x[0]),df,name,n),raw=True)
对初始数据框进行滚动
其中：
n=2，name=[‘a’,‘b’]
group_rolling(n=2,df=df,name=[‘a’,’b’])
每次滚动的结果如下：
a b 0 1 2 1 2 3 a b 1 2 3 2 3 4 a b 2 3 4 3 4 5 a b 3 4 5 4 5 6
以上就是python 实现rolling和apply函数的向下取值操作的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python 实现rolling和apply函数的向下取值操作
转载请注明原文链接：python 实现rolling和apply函数的向下取值操作
