Вычислить дельта от значений в dataframe

Question

Я это DataFrame (это просто пример, а не реальные данные):

In [1]: import pandas as pd 
     my_data = [{'client_id' : '001', 'items' : '10', 'month' : 'Jan'}, 
        {'client_id' : '001', 'items' : '20', 'month' : 'Feb'}, 
        {'client_id' : '001', 'items' : '30', 'month' : 'Mar'}, 
        {'client_id' : '002', 'items' : '30', 'month' : 'Jan'}, 
        {'client_id' : '002', 'items' : '20', 'month' : 'Feb'}, 
        {'client_id' : '002', 'items' : '15', 'month' : 'Mar'}, 
        {'client_id' : '003', 'items' : '10', 'month' : 'Jan'}, 
        {'client_id' : '003', 'items' : '20', 'month' : 'Feb'}, 
        {'client_id' : '003', 'items' : '15', 'month' : 'Mar'}] 
     df = pd.DataFrame(my_data) 

In [2]: df 
Out [2]:  
      client_id month  items 
     0  001  Jan   10 
     1  001  Feb   20 
     2  001  Mar   30 
     3  002  Jan   30 
     4  002  Feb   20 
     5  002  Mar   15 
     6  003  Jan   10 
     7  003  Feb   20 
     8  003  Mar   15 

То, что я хочу, чтобы вычислить дельту закупаемых для каждой пары месяцев. То есть, например, клиент «001» купил еще 10 предметов в феврале (20), чем в январе (10). Клиент «002», купил -10 штук (20 февраля, 30 января). Окончательный DataFrame будет выглядеть так:

In [3]: delta_df 
Out [3]: 
      client_id delta_items_feb delta_items_mar 
     0   001    10    10 
     1   002    -10    -5 
     2   003    10    -5 

Любые мысли о том, как это сделать?

Answer 1

Вот один из способов, с помощью pivot_table к первой группе количества элементов клиентом и месяц:

(я первый бросил в items столбец целых чисел с df.items = df.items.astype(int))

>>> table = df.pivot_table(values='items', rows='client_id', cols='month') 
>>> table = table[['Jan', 'Feb', 'Mar']] 
>>> pd.DataFrame(np.diff(table.values), 
       columns=['delta_items_feb', 'delta_items_mar'], 
       index=table.index).reset_index() 

    client_id delta_items_feb delta_items_mar 
0  001    10    10 
1  002    -10    -5 
2  003    10    -5 

Примечание: в более новые версии pandas, используйте index/columns вместо rows/cols при создании сводной таблицы.

Это:

• шарниров данные по клиенту и дате, чтобы показать количество элементов для каждого
• убеждаются столбцы в таблице отсортированы надлежащим образом по месяцам
• использует np.diff для вычисления разницы между последовательными месяцами и создает новый DataFrame с нужными названиями колонок

Answer 2

1) clietn_id to set. Set to list client_listand sorted ['001','002','003'] . 
2) month string to int Jan-1;Feb-2;Mar -3 and etc 
3) for client in client_listand: 
    For every client create new list 
    for line in you_date: 
     When ides of clients coincide, add to the list #filter by client_id 
    sorted result by month 
    in the loop from data of one client generate the lines of outgoing table. 
    delta_items_mar = item[n]-item[n-1] 

Answer 3

Престижность для очень четко сформулированного вопроса. Группа клиента и расчет дельты для каждой группы:

>>> df['deltas'] = df.groupby('client_id')\ 
        .apply(lambda x: x['items'].astype(int).diff()).values 

    client_id items month deltas 
0  001  10 Jan  NaN 
1  001  20 Feb  10 
2  001  30 Mar  10 
3  002  30 Jan  NaN 
4  002  20 Feb  -10 
5  002  15 Mar  -5 
6  003  10 Jan  NaN 
7  003  20 Feb  10 
8  003  15 Mar  -5 

Наконец принять его в форму вы хотите уронить колонки января:

>>> df.pivot(index='client_id', columns='month', values='deltas')\ 
     .drop('Jan', axis=1) 

month  Feb Mar 
client_id  
001   10 10 
002  -10 -5 
003   10 -5 

Answer 4

не фантазии, но вот то, что работает для меня

#change 'items' from string to int 
## use loc to avoid "slice" warning 
df.loc[:,"items"] = df["items"].map(int) 

# use pivot to make columns for each unique value in "month" column 
dfp = df.pivot('client_id','month','items') 

# calculate delta and put in a new column 
dfp["dJF"] = dfp.Feb - dfp.Jan 

month  Feb Jan Mar dJF 
client_id     
001  20 10 30 10 
002  20 30 15 -10 
003  20 10 15 10