группируйте данные, используя панд, но как мне сохранить порядок группы и выполнить математику для двух строк столбцов?

Question

ДФ:

    Time Name  X  Y
0   00   AA    0  0
1   30   BB    1  1
2   45   CC    2  2
3   60   GG:AB 3  3
4   90   GG:AC 4  4
5   120  AA    5  3

dataGroup = df.groupby

([pd.Grouper(key=Time,freq='30s'),'Name'])).sort_values(by=['Timestamp'],ascending=True)

Я пытался сделать diff () для строки, но он возвращает NaN или что-то не ожидалось.

df.groupby('Name', sort=False)['X'].diff()

Как сохранить группировки и сортировку по времени, а также провести различие между строкой и ее предыдущей строкой (для столбцов X и Y)

Ожидаемый результат: XDiff будет группа AA, XDiff row 1 = (X row1 - origin (известная)) XDiff строка 2 = (X строка2 - X строка1)

    Time Name  X  Y XDiff  YDiff
0   00   AA    0  0  0       0
5   120  AA    5  3  5       3
1   30   BB    1  1  0       0
6   55   BB    2  3  1       2
2   45   CC    2  2  0       0
3   60   GG:AB 3  3  0       0
4   90   GG:AC 4  4  0       0

Было бы неплохо увидеть общее расстояние для каждой группы (то есть AA равно 5, BB равно 1) В моем примере у меня есть только пара строк для каждой группы, но что, если их будет 100, diff даст мне значения для расстояния между любыми двумя, но не общее расстояние для этой группы.

Answer 1

Копирование https://stackoverflow.com/a/20664760/6672746, Вы можете использовать функцию lambda для вычисления разницы между строками для X и Y.Я также включил две строки, чтобы установить индекс (после groupby) и отсортировать его.

df['x_diff'] = df.groupby(['Name'])['X'].transform(lambda x: x.diff()).fillna(0)
df['y_diff'] = df.groupby(['Name'])['Y'].transform(lambda x: x.diff()).fillna(0)
df.set_index(["Name", "Time"], inplace=True)
df.sort_index(level=["Name", "Time"], inplace=True)

Вывод:

            X  Y  x_diff  y_diff
Name  Time                      
AA    0     0  0     0.0     0.0
      120   5  3     5.0     3.0
BB    30    1  1     0.0     0.0
CC    45    2  2     0.0     0.0
GG:AB 60    3  3     0.0     0.0
GG:AC 90    4  4     0.0     0.0