计算销售额滚动（滞后和领先）差异的最佳方法是什么？答案

【问题标题】：What is the best way to compute a rolling (lag and lead) difference in sales?计算销售额滚动（滞后和领先）差异的最佳方法是什么？
【发布时间】：2019-09-18 09:47:33
【问题描述】：

我希望在我的数据集中添加一两个字段，以表示从上周到本周以及从本周到下周的销售额差异。

我的数据集大约有 450 万行，因此我正在寻找一种有效的方法来执行此操作，目前我正在进行大量迭代和 for 循环，我很确定我会解决这个问题错误道。但是我正在尝试编写可在其他数据集上重用的代码，并且在某些情况下，您可能每周都有空值或销售量没有变化（因此没有记录）

数据集如下所示：

Store  Item  WeekID  WeeklySales
1      1567   34      100.00
2      2765   34      86.00
3      1163   34      200.00
1      1567   35      160.00
.      .
.      . 
.      .

我把每个星期都当成自己的字典，然后把每家商店那一周的销售额放在字典里面。所以我可以使用周作为键，然后在周内访问商店的商品销售字典。

weekly_sales_dict = {}
for i in df['WeekID'].unique():
    store_items_dict = {}
    subset = df[df['WeekID'] == i]
    subset = subset.groupby(['Store', 'Item']).agg({'WeeklySales':'sum'}).reset_index()
    for j in subset['Store'].unique():
        storeset = subset[subset['Store'] == j]
        store_items_dict.update({str(j): storeset})
    weekly_sales_dict.update({ str(i) : store_items_dict})

然后我在weekly_sales_dict 中的每个星期进行迭代，并将其中的每个商店/商品与其后一周进行比较（我计划下周也这样做）。我创建的“lag_list”可以按周、商店和项目进行索引，因此我打算遍历并将值作为新的滞后列添加到我的 df 中，但我觉得我想太多了。

count = 0 
key_list = list(df['WeekID'].unique())
lag_list = []
for k,v in weekly_sales_dict.items():
    if count != 0 and count != len(df['WeekID'].unique())-1:
        prev_wk = weekly_sales_dict[str(key_list[(count - 1)])]
        current_wk = weekly_sales_dict[str(key_list[count])
        for i in df['Store'].unique():
            prev_df = prev_wk[str(i)]
            current_df = current_wk[str(i)]
            for j in df['Item'].unique():
                print('in j')
                if j in list(current_df['Item'].unique()) and j in list(prev_df['Item'].unique()):
                    item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values - prev_df[prev_df['Item'] == int(j)]['WeeklySales'].values
                    df[df['Item'] == j][df['Store'] == i ][df['WeekID'] == key_list[count]]['lag'] = item_lag[0]
                    lag_list.append((str(i),str(j),item_lag[0]))
                elif j in list(current_df['Item'].unique()):
                    item_lag = current_df[current_df['Item'] == int(j)]['WeeklySales'].values
                    lag_list.append((str(i),str(j),item_lag[0]))
                else:
                    pass
        count += 1
    else:            
        count += 1

【问题讨论】：

你看过pd.DataFrame.rolling()吗？
我看过它，但这些示例似乎侧重于确定时期的日期，因为我使用的是周 ID，我认为我可能不得不走不同的路线
如果到那时还没有答案，我可以在大约 4 小时内解决一个问题
我忘了！你还卡着吗？
不用担心！我在这方面没有取得任何进展......我今天打算尝试 pd.rolling() 但这些例子对我来说不太有意义。

标签： python python-3.x performance iteration rolling-computation

【解决方案1】：

使用pd.diff() 解决了问题。我按周对所有行进行了排序，然后通过对商店、项目和周进行分组来创建具有多索引的子集。最后，我使用了 pd.diff() 的周期为 1，最终得到了从本周到前一周的销售差异。

df = df.sort_values(by = 'WeekID')

subset = df.groupby(['Store', 'Items', 'WeekID']).agg({''WeeklySales'':'sum'})
subset['lag']  = subset[['WeeklySales']].diff(1)

【讨论】：