如何用前几年相同时间范围的权重替换特定时间范围的值？答案

【问题标题】：How do I replace the values of a specific timeframe with a weighting of the same timeframe from previous years?如何用前几年相同时间范围的权重替换特定时间范围的值？
【发布时间】：2021-10-25 03:01:53
【问题描述】：

我有一个数据框，其中包含 4 年的数据，看起来像这样：

Year	Week	Value
2018	1	25
2018	2	28
2018	3	26
2019	1	24
2019	2	34
2019	3	30
2020	1	27
2020	2	33
2020	3	32
2021	1	39
2021	2	43
2021	3	41

我想要做的是将 2021 年的值替换为同一时间范围内前 3 年值的权重。因此，在此示例中，仅将 2021 年第 1 周到第 3 周的值（可能还有其他几周需要单独处理）替换为：45%*2020 + 30%*2019 + 25%*2018

这将为我们提供 2021 年的以下信息：

Year	Week	Value
2021	1	20.65
2021	2	32.05
2021	3	29.9

我们通过执行以下操作获得了 2021 年第 3 周的值： 0.4532 + 0.330 + 0.25*26 = 14.4 + 9 + 6.5 = 29.9

此外，如果我愿意，我希望能够跳过年份，例如，2021 年可以基于 2020 年、2019 年和 2016 年。

【问题讨论】：

标签： python python-3.x pandas dataframe

【解决方案1】：

您可以创建自定义函数，因为听起来您需要可自定义的参数。没有特定的 pandas 方法可以做到这一点：

def f(df=df, years=[], weeks=[], weights=[], current_year=2021):
    df = df[df['Week'].isin(weeks)]
    series_weights = df['Year'].map({year : weight for year, weight in zip(years, weights)})
    df['Value'] = df['Value'] * series_weights
    df = df.assign(Year=current_year).groupby(['Year', 'Week'], as_index=False)['Value'].sum()
    return df


f(years=[2018,2019,2020], weeks=[1,2,3], weights=[0.25,0.3,0.45])

Out[1]: 
   Year  Week  Value
0  2021     1  25.60
1  2021     2  32.05
2  2021     3  29.90

【讨论】：