从 Pandas DataFrame 中的滚动总和中获取原始值答案

【问题标题】：Get original values from rolling sum in Pandas DataFrame从 Pandas DataFrame 中的滚动总和中获取原始值
【发布时间】：2021-12-14 07:58:23
【问题描述】：

我得到了描述特定日期和地区新住院人数的数据。住院人数为过去 7 天新增住院人数的滚动总和。 DataFrame 如下所示：

Date         Region      sum_of_last_7_days
01.01.2020   1           1
02.01.2020   1           2
03.01.2020   1           3
04.01.2020   1           4
05.01.2020   1           5
06.01.2020   1           6
07.01.2020   1           7
08.01.2020   1           7
09.01.2020   1           7
01.01.2020   2           1
02.01.2020   2           2
03.01.2020   2           3
04.01.2020   2           4
05.01.2020   2           5
06.01.2020   2           6
07.01.2020   2           7
08.01.2020   2           7
09.01.2020   2           7
10.01.2020   2           4

目标输出为：

Date         Region      daily_new
01.01.2020   1           1
02.01.2020   1           1
03.01.2020   1           1
04.01.2020   1           1
05.01.2020   1           1
06.01.2020   1           1
07.01.2020   1           1
08.01.2020   1           0
09.01.2020   1           0
01.01.2020   2           1
02.01.2020   2           1
03.01.2020   2           1
04.01.2020   2           1
05.01.2020   2           1
06.01.2020   2           1
07.01.2020   2           1
08.01.2020   2           0
09.01.2020   2           0
10.01.2020   2           0

方法应该是通过undo7天窗口的滚动求和操作，但我没有找到任何解决方案。

【问题讨论】：

你的输出不正确，如果cumsum是[…, 6, 7, 7, 7]，那么输入是[…, x, 1, 0, 0]
@mozway：您需要考虑到它是移动窗口上的总和，而不是标准的 cumsum。

标签： python pandas dataframe rolling-computation

【解决方案1】：

要获取原始值，请执行diff 并填写第一个值：

s = df.groupby('Region')['sum_of_last_7_days'].diff()
df['original'] = s.mask(s.isna(), df['sum_of_last_7_days'])

输出：

          Date  Region  sum_of_last_7_days  original
0   01.01.2020       1                   1       1.0
1   02.01.2020       1                   2       1.0
2   03.01.2020       1                   3       1.0
3   04.01.2020       1                   4       1.0
4   05.01.2020       1                   5       1.0
5   06.01.2020       1                   6       1.0
6   07.01.2020       1                   7       1.0
7   08.01.2020       1                   7       0.0
8   09.01.2020       1                   7       0.0
9   01.01.2020       2                   1       1.0
10  02.01.2020       2                   2       1.0
11  03.01.2020       2                   3       1.0
12  04.01.2020       2                   4       1.0
13  05.01.2020       2                   5       1.0
14  06.01.2020       2                   6       1.0
15  07.01.2020       2                   7       1.0
16  08.01.2020       2                   7       0.0
17  09.01.2020       2                   7       0.0

【讨论】：

我更正了目标输出。我认为，您的解决方案存在问题，因为当我们到达 f.e.区域 2 为 10.01.2020，其中 sum_of_last_7_days 4 (0+0+1+1+1+1)，原始值应为零，但您得到 -3 (4-7)，不是吗？