主页 / coding / 问题 / 79591534
Accepted
Ben H
Asked: 2025-04-25 06:24:36 +0800 CST

在 Pandas 中，通过索引值将一组中的最后一个值分配给下一组？

  • 772

我有一个与此非常相似的问题，但 1）我希望它也适用于系列，2）我没有代表我的分组值的列；值在索引中。

假设我有一个如下所示的系列：

2023-08-01    1515000.08
2023-09-01    2629410.80
2023-10-01    2548748.40
2023-11-01    2494398.04
2023-12-01    3397805.34
2024-01-01    3285501.49
2024-02-01    3173978.74
2024-03-01    3139235.65
2024-04-01    2927895.84
2024-05-01    2750708.29
dtype: float64

我想创建一个新系列，其中的值代表上一季度最后一个月的值，如下所示：

2023-08-01    NaN
2023-09-01    NaN
2023-10-01    2629410.80 <--- the old value from 2023-09-01, which was the end of Q3
2023-11-01    2629410.80
2023-12-01    2629410.80
2024-01-01    3397805.34 <--- the old value from 2023-12-01
2024-02-01    3397805.34
2024-03-01    3397805.34
2024-04-01    3139235.65 <--- the old value from 2024-03-01
2024-05-01    3139235.65
dtype: float64

我发现在这里找到一个优雅的解决方案非常麻烦。我的代码如下所示：

period_to_val = (
    series.groupby(
        lambda x: get_quarter(date=x)
    )
    .last()
    .shift()
)

data = series.index.map(
    lambda x: period_to_val[get_end_of_period(date=x, term_length=term_length, fiscal_year_start=fiscal_year_start)]
)

result = pd.Series(data=data, index=series.index)

但这感觉太冗长和丑陋了。我想要一个对 a和 aSeriesGroupBy混合的操作，但这种东西似乎不存在。.shift().transform("last")

有什么改进建议吗？谢谢！

pandas

1 个回答

  1. Best Answer

    方法 1

    如果有连续的分支并且没有间隙，请使用此方法，就像在给定的示例中一样（我认为方法 1 更容易）。

    # True if it's the last month of a quarter, otherwise False
cond = (series.index.month % 3) == 0

# keep only the values at quarter-end, shift and ffill
out = series.where(cond).shift().ffill()

    出去

    2023-08-01           NaN
2023-09-01           NaN
2023-10-01    2629410.80
2023-11-01    2629410.80
2023-12-01    2629410.80
2024-01-01    3397805.34
2024-02-01    3397805.34
2024-03-01    3397805.34
2024-04-01    3139235.65
2024-05-01    3139235.65
dtype: float64

    方法 2

    如果您认为它可能不连续，请使用方法 2。

    out = (
    series.resample('QE').last().shift(freq='1D')
          .reindex(series.index)
          .resample('QE').transform('first')
)

    同样的结果

    示例代码

    import pandas as pd

series = pd.Series(
    [1515000.08, 2629410.80, 2548748.40, 2494398.04, 3397805.34,
     3285501.49, 3173978.74, 3139235.65, 2927895.84, 2750708.29],
    index=pd.to_datetime([
        '2023-08-01', '2023-09-01', '2023-10-01', '2023-11-01', '2023-12-01',
        '2024-01-01', '2024-02-01', '2024-03-01', '2024-04-01', '2024-05-01'])
)
    • 2

相关问题