如何计算滚动窗口中数据框列中相同实例的数量答案

【问题标题】：How to count the number of the same instances in a column of a data frame in a rolling window如何计算滚动窗口中数据框列中相同实例的数量
【发布时间】：2018-02-20 04:00:32
【问题描述】：

我正在尝试在每个滑动窗口内为该数据计算相同 ID 的数量：

                           ID  
DATE            
2017-05-17 15:49:51         s_2   
2017-05-17 15:49:52         s_5   
2017-05-17 15:49:55         s_2   
2017-05-17 15:49:56         s_3   
2017-05-17 15:49:58         s_5
2017-05-17 15:49:59         s_5

我正在尝试计算大小为 3 的滚动窗口内相互重叠的相同 ID 的数量。答案应该是这样的：

DATE                    ID      s_2_count    s_3_count   s_5_count       
2017-05-17 15:49:51     s_2         2            0         1 
2017-05-17 15:49:52     s_5         1            1         1   
2017-05-17 15:49:55     s_2         1            1         1   
2017-05-17 15:49:56     s_3         0            1         2   
2017-05-17 15:49:58     s_5         NaN          NaN       NaN
2017-05-17 15:49:59     s_5         NaN          NaN       NaN

【问题讨论】：

标签： python pandas numpy machine-learning data-mining

【解决方案1】：

使用str.get_dummies、rolling、sum、shift和add_prefix：

df.ID.str.get_dummies().rolling(3).sum().shift(-2).add_suffix('_count')

输出：

                     s_2_count  s_3_count  s_5_count
DATE                                                
2017-05-17 15:49:51        2.0        0.0        1.0
2017-05-17 15:49:52        1.0        1.0        1.0
2017-05-17 15:49:55        1.0        1.0        1.0
2017-05-17 15:49:56        0.0        1.0        2.0
2017-05-17 15:49:58        NaN        NaN        NaN
2017-05-17 15:49:59        NaN        NaN        NaN

让我们将它分配回数据框：

df.assign(**df.ID.str.get_dummies().rolling(3).sum().shift(-2).add_suffix('_count'))

或使用连接

df.join(df.ID.str.get_dummies().rolling(3).sum().shift(-2).add_suffix('_count'))

输出：

                      ID  s_2_count  s_3_count  s_5_count
DATE                                                     
2017-05-17 15:49:51  s_2        2.0        0.0        1.0
2017-05-17 15:49:52  s_5        1.0        1.0        1.0
2017-05-17 15:49:55  s_2        1.0        1.0        1.0
2017-05-17 15:49:56  s_3        0.0        1.0        2.0
2017-05-17 15:49:58  s_5        NaN        NaN        NaN
2017-05-17 15:49:59  s_5        NaN        NaN        NaN

使用 pd.crosstab 的选项 2

df.assign(**pd.crosstab(df.index,df.ID).rolling(3).sum().shift(-2))

或使用连接

df.join(pd.crosstab(df.index,df.ID).rolling(3).sum().shift(-2))

【讨论】：

@Ali ...如果您想在列中获取所有信息，可以 reset_index 。
非常感谢！这是一个非常聪明的方法
我可以再问一个问题，**df.ID 或 **pd.crosstab，它们是指针吗？你有什么我可以读到的关于使用**的资料吗？
@Ali 我不认为数据框的 ** 字典解包已记录在案，因此我使用 join 选项更新了此解决方案。
非常感谢！我现在理解代码，但如果可以的话，你能简要解释一下** 符号吗