скользящая сумма dask на основе условия в другом столбце - PullRequest
Новая
       93

скользящая сумма dask на основе условия в другом столбце

0 голосов
/ 19 июня 2020

У меня есть такой фрейм данных: 

   STOREID VARIANT_ARTICLE   PO_DATE  UNITSUM
0    st123           12345  20200427      9.0
1    st123           12345  20200428      3.0
2    st123           12345  20200429     13.0
3    st123           12345  20200430      7.0
4    st123           12345  20200501     16.0
5    st123           12345  20200502      3.0
6    st123           12345  20200503      5.0
7    st123           12345  20200504     10.0
8    st123           12345  20200505      3.0
9    st123           12345  20200506      7.0
10   st123           12345  20200507     29.0
11   st123           12345  20200508      4.0
12   st123           12345  20200509      9.0
13   st123           12345  20200510      8.0
14   st123           12345  20200511      5.0
15   st123           12345  20200513      8.0
16   st123           12345  20200514      2.0
17   st123           12345  20200515      2.0
18   st123           12345  20200516      2.0

Я хочу вычислить rolling sum и avg столбца UNITSUM. Уловка здесь в том, что мне нужно вычислить его за последние 4 дня (например), а не за предыдущие 4 записи, что по сути означает, что для строки 15th в моем примере диапазон дат для агрегирования равен 20200510 - 20200513. Поскольку нет записи для 20200512, мы выполняем агрегирование по 3 доступным строкам и не включаем 20200509 в наши вычисления (как pandas в функции прокрутки).

Есть ли способ добиться этого?

РЕДАКТИРОВАТЬ: я должен добиться этого, используя dask-dataframe API.

1 Ответ

1 голос
/ 19 июня 2020

Фрейм данных dask имеет тот же синтаксис, что и pandas API: 

In [38]: ddf = dask.datasets.timeseries()

In [39]: ddf.head()
Out[39]:
                       id    name         x         y
timestamp
2000-01-01 00:00:00  1003  George -0.287285  0.773949
2000-01-01 00:00:01   992  Oliver -0.738190  0.893916
2000-01-01 00:00:02   972   Jerry  0.080410 -0.972037
2000-01-01 00:00:03   970  George -0.402327  0.034718
2000-01-01 00:00:04  1034   Alice -0.694517  0.646178

In [40]: ddf.x.rolling(4).agg({'sum': 'sum', 'mean': 'mean'}).head()
Out[40]:
                          sum      mean
timestamp
2000-01-01 00:00:00       NaN       NaN
2000-01-01 00:00:01       NaN       NaN
2000-01-01 00:00:02       NaN       NaN
2000-01-01 00:00:03 -1.347393 -0.336848
2000-01-01 00:00:04 -1.754625 -0.438656
...