Groupby.col.diff дает неожиданные ошибки

df = pd.DataFrame(
    {'ts':[1,2,3,4,60,61,62,63,64,150,155,156,
           1,2,3,4,60,61,62,63,64,150,155,156,
           1,2,3,4,60,61,62,63,64,150,155,156],
    'id': [1,2,3,4,60,61,62,63,64,150,155,156,
           71,72,73,74,80,81,82,83,64,160,165,166,
           21,22,23,24,90,91,92,93,94,180,185,186],
    'other':['x','x','x','x','x','x','x','x','x','x','x','x',
             'y','y','y','y','y','y','y','y','y','y','y','y',
             'z','z','z','z','z','z','z','z','z','z','z','z'],
    'user':['x','x','x','x','y','x','x','x','x','x','x','x',
            'y','y','y','y','x','y','y','y','y','y','y','y',
            'z','z','z','z','z','z','z','z','z','z','z','z']
    })


df.set_index('id', inplace=True)
df.sort_values('ts',inplace=True)


for x, g in df.groupby('user'):
    # call 1
    print(g.ts.diff())

# call 2
df.groupby('user').ts.diff()

Я не уверен, почему я получаю ошибку при вызове 2. Также я заметил, что когда я удаляю sort_values, вызов проходит 2 раза.

Может кто-нибудь объяснить это поведение?

Ни ответ здесь, ни связанный ответ (который был задан много лет назад относительно более ранней версии pandas) не дают объяснения, почему метод groupby.diff() не работает. Я все еще получаю эту ошибку на pandas 0.24.1

jf328 15.03.2019 12:01
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
1
41
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я получаю сообщение об ошибке независимо от того, вызывается сортировка или нет. В любом случае, я думаю, что вы ищете что-то вроде:

df['group_diff'] = df.ts.groupby(df.user).transform(pd.Series.diff)
>>> df.head()
    other   ts  user    group_diff
id              
1   x   1   x   NaN
2   x   2   x   1.0
3   x   3   x   1.0
4   x   4   x   1.0
60  x   60  y   Nan

Следуя groupby, вы выполняете transform, который создает запись для каждой записи в каждой группе с использованием некоторой функции. Эта функция просто pd.Series.diff.

Обратите внимание, что у вас есть Nan в строках 0 и 4 - они соответствуют началу групп x и y соответственно.

stackoverflow.com/a/20671047
jezrael 02.05.2018 12:38

но это не объясняется :(

jezrael 02.05.2018 12:38

@jezrael Спасибо, не видел - закрыт как дубликат.

Ami Tavory 02.05.2018 12:39

Другие вопросы по теме