在python中计算生长因子答案

【问题标题】：Calculating growth factor in python在python中计算生长因子
【发布时间】：2020-08-12 12:07:17
【问题描述】：

我有以下数据框

Date           Country  Sales
01/02/20        France   1000
01/02/20        Germany  1000
02/02/20        France   2000
02/02/20        Germany  3000
03/02/20        France   4500
03/02/20        Germany  5000

我想按国家/地区计算每天的增长因子。例如，德国在 2020 年 2 月 2 日 = 3000/1000 和 2020 年 3 月 2 日的增长因子应该是 5000/3000。不寻找百分比变化。

【问题讨论】：

您的预期输出是什么？
我的预期输出是结果因子，例如 Germany on 02/02/20 =3 (3000/1000)
德国01/02/20的增长因子呢？

标签： python group-by

【解决方案1】：

df = pd.DataFrame([
['01/02/20',        'France '  ,1000],
['01/02/20',        'Germany'  ,1000],
['02/02/20',        'France '  ,2000],
['02/02/20',        'Germany'  ,3000],
['03/02/20',        'France '  ,4500],
['03/02/20',        'Germany'  ,5000]
], columns=['Date', 'Country', 'Sales'])
df['Diff'] = df.groupby(['Country']).diff()
df['Growth'] = df.eval('Sales/(Sales - Diff)')
print(df)

另一种选择如上。

       Date  Country  Sales    Diff    Growth
0  01/02/20  France    1000     NaN       NaN
1  01/02/20  Germany   1000     NaN       NaN
2  02/02/20  France    2000  1000.0  2.000000
3  02/02/20  Germany   3000  2000.0  3.000000
4  03/02/20  France    4500  2500.0  2.250000
5  03/02/20  Germany   5000  2000.0  1.666667

【讨论】：

【解决方案2】：

首先按国家/地区排序：df = df.sort_values(['Country'])

然后设置一个过滤器，它只在索引与前一个索引相同时返回 true（即它们属于同一个国家）： filter = df['Country'] == df['Country'].shift(1)

现在计算上述过滤器为真的最后一点的分数变化：

df['Growth'] = df['Sales'].where(filter)/df['Sales'].shift(1)

最后通过索引来解决：

df = df.sort_index()

结果：

       Date  Country  Sales     Growth
0  01/02/20   France   1000         NaN
1  01/02/20  Germany   1000         NaN
2  02/02/20   France   2000    2.000000
3  02/02/20  Germany   3000    3.000000
4  03/02/20   France   4500    2.250000
5  03/02/20  Germany   5000    1.666667

【讨论】：

【解决方案3】：

用途：

df["Growth Factor"] = df.groupby(
    "Country")["Sales"].transform(lambda g: g / g.shift())
print(df)

打印出来：

       Date  Country  Sales  Growth Factor
0  01/02/20   France   1000            NaN
1  01/02/20  Germany   1000            NaN
2  02/02/20   France   2000       2.000000
3  02/02/20  Germany   3000       3.000000
4  03/02/20   France   4500       2.250000
5  03/02/20  Germany   5000       1.666667

【讨论】：