J'essaie de générer quelques colonnes dans un Dataframe avec l'index DateTime basé sur une règle qui fait référence à ses propres valeurs précédentes. J'ai essayé une boucle sur la longueur de DF selon ci-dessous, mais à la recherche d'une solution plus propre si possible?
Parce que ce que je veux faire à la fin, vous obtenez les statistiques des colonnes générées (C, D, E ci-dessous Exemple) sur un grand nombre de personnes, B .... p> EDIT: Ajout de la sortie attendue ci-dessous p> A B diff C D E
0 -0.352725 1.429037 NaN 0.000000 0.000000 0.000000
1 -1.024418 -0.644302 -0.671693 0.000000 -0.671693 0.225585
2 0.401065 0.419555 1.425483 0.000000 1.425483 1.016001
3 -1.302484 0.724320 -1.703549 0.000000 -1.703549 1.451039
4 0.427035 0.835221 1.729518 0.000000 1.729518 1.495617
5 0.158694 -0.416741 -0.268340 -0.268340 0.000000 0.000000
6 0.921985 -0.490635 0.763291 0.494951 0.000000 0.000000
7 -0.835297 -1.036580 -1.757282 0.000000 -1.262331 0.796740
8 0.752060 -0.279206 1.587356 0.000000 1.587356 1.259850
9 1.795306 -1.554886 1.043246 0.000000 1.043246 0.544181
10 -0.405100 -0.361454 -2.200406 0.000000 -2.200406 2.420893
11 -0.253629 -0.627245 0.151471 0.151471 0.000000 0.000000
12 -0.820573 -0.212886 -0.566944 -0.415473 0.000000 0.000000
13 0.473439 2.532487 1.294012 0.000000 0.878539 0.385916
14 -1.395435 1.016338 -1.868875 0.000000 -1.868875 1.746346
15 -0.244269 -0.337820 1.151166 0.000000 1.151166 0.662592
16 -2.084977 -1.262249 -1.840708 0.000000 -1.840708 1.694103
17 0.666323 -1.696245 2.751300 0.000000 2.751300 3.784825
18 0.235207 -0.513903 -0.431115 -0.431115 0.000000 0.000000
19 1.386456 -0.149153 1.151249 0.000000 0.720134 0.259296
20 0.093456 -0.298154 -1.293000 0.000000 -1.293000 0.835925
21 0.690499 -1.687416 0.597043 0.000000 0.597043 0.178230
22 1.287530 -1.390260 0.597031 0.000000 0.597031 0.178223
23 1.828138 -0.288829 0.540608 0.000000 0.540608 0.146128
24 0.209666 -0.903385 -1.618472 0.000000 -1.618472 1.309727
25 -1.010678 0.615569 -1.220344 0.000000 -1.220344 0.744619
26 -1.799800 1.536332 -0.789122 0.000000 -0.789122 0.311357
27 0.611096 -1.033066 2.410896 0.000000 2.410896 2.906209
28 -0.532675 -0.091541 -1.143770 0.000000 -1.143770 0.654105
29 2.468137 -1.046117 3.000811 0.000000 3.000811 4.502435
3 Réponses :
Essayez celui-ci (mais ne pas itérer sur toutes les lignes - il fera toute la colonne à la fois pour vous):
df["C_prev"] = df["C"].shift(1)
J'ai converti votre sortie: est-ce que vous cherchiez, vous n'avez pas fourni de sortie attendue. Documentation:
pour en boucle à l'aide d'une matrice numpie pour contenir les conditions, puis np.where pour remplacer les valeurs en fonction de votre condition:
def f(row):
if abs(df.loc[row.name - 1, 'C'] + row['diff']) > reset_level:
C = 0.0
D = df.loc[row.name - 1, 'C'] + row['diff']
else:
C = df.loc[row.name - 1, 'C'] + row['diff']
D = 0.0
E = 0.5 * row['D'] * row['D']
return(pd.Series([C, D, E]))
df.loc[1:, ['C', 'D', 'E']] = df[1:].apply(f, axis=1)
Merci mais problème est que les valeurs de 'c' sont toutes initialisées à 0 lorsque vous créez une histoire
@Volguy Bonne Catch, j'avais oublié ça. Voir ma réponse mise à jour (@ SmileyProd's est très élégante aussi).
fournir la sortie attendue
Pouvez-vous mettre un
graine pour NUMPY, sinon il est impossible de fournir la même sortie et de voir ce qui ne va pas en raison du hasard de vos données.