Pandas groupby 多列，带有 pct_change答案

【问题标题】：Pandas groupby multiple columns, with pct_changePandas groupby 多列，带有 pct_change
【发布时间】：2017-03-09 11:13:08
【问题描述】：

我试图在Value 中为每个独特的组（按（Company、Group 和Date）分组。

Company Group Date     Value
A       X     2015-01  1
A       X     2015-02  2
A       X     2015-03  1.5
A       XX    2015-01  1
A       XX    2015-02  1.5
A       XX    2015-03  0.75
A       XX    2015-04  1
B       Y     2015-01  1
B       Y     2015-02  1.5
B       Y     2015-03  2
B       Y     2015-04  3
B       YY    2015-01  2
B       YY    2015-02  2.5
B       YY    2015-03  3

我试过了：

df.groupby(['Date','Company','Group']).pct_change()

但这会返回所有的 NaN。

我要找的结果是：

Company Group Date     Value/People
A       X     2015-01  NaN
A       X     2015-02  1.0
A       X     2015-03  -0.25
A       XX    2015-01  NaN
A       XX    2015-02  0.5
A       XX    2015-03  -0.5
A       XX    2015-04  0.33
B       Y     2015-01  NaN
B       Y     2015-02  0.5
B       Y     2015-03  0.33
B       Y     2015-04  0.5
B       YY    2015-01  NaN
B       YY    2015-02  0.25
B       YY    2015-03  0.2

【问题讨论】：

您的问题是您想按多列分组，然后执行pct_change()。

标签： python pandas pandas-groupby

【解决方案1】：

您希望将日期放入行索引并将组/公司放入列

d1 = df.set_index(['Date', 'Company', 'Group']).Value.unstack(['Company', 'Group'])
d1

然后使用pct_change

d1.pct_change()

或

与分组

df['pct'] = df.sort_values('Date').groupby(['Company', 'Group']).Value.pct_change()
df

【讨论】：

【解决方案2】：

我不确定groupby 方法至少在 Pandas 0.23.4 中是否能正常工作。

df['pct'] = df.sort_values('Date').groupby(['Company', 'Group']).Value.pct_change()

产生这个，这对于问题的目的是不正确的：

Index+Stack 方法仍然可以按预期工作，但是您需要进行额外的合并才能将其转换为请求的原始表单。

d1 = df.set_index(['Date', 'Company', 'Group']).Value.unstack(['Company', 'Group'])
d1 = d1.pct_change().stack([0,1]).reset_index()
df = df.merge(d1, on=['Company', 'Group', 'Date'], how='left')
df.rename(columns={0: 'pct'}, inplace=True)
df

【讨论】：

这似乎从 0.24.0 开始再次修复，因此请务必更新到该版本。

【解决方案3】：

df['Pct_Change'] = df.groupby(['Company','Group'])['Value'].pct_change()

【讨论】：