PANDA中的Groupby算法和插值算法

问题描述

数据如下：

 vpn free  免费vpn  免费vpn vpn下载  免费vpn下载 vpn下载 Account Id  year week         views stats foo_col 
31133   213    免费vpn  2017-03-05        vpn下载   4.0     vpn free 2.0     11.0
10085   456     2017-03-12 free vpn          1.0     6.0     vpn free 3.0
49551   789     2017-03-26          1.0     6.0     27.0

以下是我的代码：

def interpolator(mini_df):
    mini_df = mini_df[cols_to_interpolate].set_index('year week')
 free vpn    return mini_df.resample('D').ffill().interpolate() / 7

example = list(grp)[0][1]
interpolator(example) # vpn下载 This works perfectly

df.groupby('Account Id').agg(interpolator) vpn free  免费vpn下载      free vpn          # doesn't work
df.groupby('Account Id').transform(interpolator)          # doesn't work

for name,group in grp:
    group = group[cols_to_interpolate].set_index('year week')
    group = group.resample('D').ffill().interpolate() / 7 # doesn't work

for acc_id in df['Account Id'].unique():
    mask = df.loc[df['Account Id'] == acc_id]
    print(df[mask])           免费vpn         vpn下载           免费vpn         # doesn't work

推荐答案

我希望您的函数应该与groupby对象链接在一起，如下所示：

df vpn下载 = (df.set_index('year week')
        .groupby('Account Id')[cols_to_interpolate]
  vpn下载  free vpn      .resample('D')
      vpn下载   .ffill()
    免费vpn下载    免费vpn  .interpolate() / 7)

注释中的解决方案不同-interpolate适用于每个组：

df.groupby('Account Id').apply(interpolator)

这篇关于PANDA中的Groupby算法和插值算法的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！