按事件进行时间序列标准化

Question

假设我有一个如下的python dict，对于每个产品，键是时间戳，值是该时间戳的产品价格。

data_dict = {
'product_1' : {1: 415, 2: 550, 3: 0,   4: 550, 5: 600},
'product_2' : {1: 400, 2: 300, 3: 300, 4: 0,   5: 300},
'product_3' : {1: 500, 2: 400, 3: 0,   4: 500, 5: 500},
'product_4' : {1: 0,   2: 200, 3: 200, 4: 300, 5: 300}
 }

在时间序列分析中，通过某个事件对多个时间序列进行重新归一化是很常见的，假设我们将事件视为产品空闲时的时间戳。我想得到一个这种结构的表

           | -3  | -2  | -1  | 0 | +1  | +2  | +3  | +4  |
---------------------------------------------------------
product_1  | NA  | 415 | 550 | 0 | 550 | 600 | NA  | NA  |
product_2  | 400 | 300 | 300 | 0 | 300 | NA  | NA  | NA  |
product_3  | NA  | 500 | 400 | 0 | 500 | 500 | NA  | NA  |
product_4  | NA  | NA  | NA  | 0 | 200 | 200 | 300 | 300 |

有没有什么方法可以使用 pandas for python 轻松做到这一点？我敢肯定，在某些时候，大量的数据科学人员不得不做类似的事情。如果没有，如果熊猫人将来可以为类似的东西添加一些功能，我将不胜感激！同时，有什么建议可以解决这个问题吗？

Answer 1

您可以使用.apply 方法，但如果您有很多列，这往往效率低下；

所以从这个框架开始：

>>> df
   product_1  product_2  product_3  product_4
1        415        400        500          0
2        550        300        400        200
3          0        300          0        200
4        550          0        500        300
5        600        300        500        300

您定义了一个同步函数，如下所示：

>>> def sync(ts):
...     vals = ts.values
...     n, k = len(vals), np.where(vals == 0)[0][0]
...     return Series(vals, np.arange(-k, n - k))

并按列应用：

>>> df.apply(sync).T
            -3   -2   -1   0    1    2    3    4
product_1  NaN  415  550   0  550  600  NaN  NaN
product_2  400  300  300   0  300  NaN  NaN  NaN
product_3  NaN  500  400   0  500  500  NaN  NaN
product_4  NaN  NaN  NaN   0  200  200  300  300

.T 用于转置。