如何获得上一年的中位数价格？答案

【问题标题】：How to get the median price for the previous year?如何获得上一年的中位数价格？
【发布时间】：2020-12-01 02:20:59
【问题描述】：

根据以下数据，我如何获得上一年的中位数平方米价格？

  city_code createdYear squaremeterPrice squaremeterPrice_grouped_city_for_the_current_year
0   26      2014            33273        39632.0
1   26      2014            37500        39632.0
2   26      2014            47428        39632.0
3   26      2014            39554        39632.0
4   26      2014            38893        39632.0
5   26      2013            34231        28841.0
6   26      2014            34344        39632.0
7   26      2014            44574        39632.0
8   26      2014            25202        39632.0
9   26      2014            39632        39632.0
10  26      2014            44504        39632.0
11  26      2013            23451        28841.0
...

为了得到 squaremeterPrice_grouped_city_for_the_current_year 我使用了下面的代码：

# adding the yearly average sqm price
median_squaremeterPrice_per_city = df.groupby(["city_code"])["squaremeterPrice"].median().to_frame("squaremeterPrice_grouped_city_for_the_current_year").reset_index()
df = df.merge(median_squaremeterPrice_per_city, left_on=["city_code"], right_on=["city_code"])
df

我们的预期输出如下：

  city_code createdYear squaremeterPrice squaremeterPrice_grouped_city_for_the_current_year   squaremeterPrice_grouped_city_for_1_year_prior
0   26      2014            33273        39632.0      28841.0
1   26      2014            37500        39632.0      28841.0
2   26      2014            47428        39632.0      28841.0
3   26      2014            39554        39632.0      28841.0
4   26      2014            38893        39632.0      28841.0
5   26      2013            34231        28841.0      whatever was the 2012 price
6   26      2014            34344        39632.0      28841.0
7   26      2014            44574        39632.0      28841.0
8   26      2014            25202        39632.0      28841.0
9   26      2014            39632        39632.0      28841.0
10  26      2014            44504        39632.0      28841.0
11  26      2013            23451        28841.0      whatever was the 2012 price
...

【问题讨论】：

你能从样本数据中添加上一年的预期输出吗？
完成。我希望这是有道理的。它也应该按代码所指的city_code分组
您想要中位数还是平均值？在您的代码中，您计算的是中位数，但您写的是平均值。
对不起，让我纠正一下，它应该是中位数。感谢您的关注。
我不明白为什么 squaremeterPrice_grouped_city_for_the_current_year of 2013 和 squaremeterPrice_grouped_city_for_1_year_priorof 2014 不同

标签： python pandas date group-by

【解决方案1】：

您的解决方案将city_code 和createdYear 与median 两列分组，而上一年将1 添加到MultiIndex 中的年份，最后使用DataFrame.join 用于新列：

median_squaremeterPrice_per_city_and_year = (df.groupby(["city_code", "createdYear"])["squaremeterPrice"]
                                               .median()
                                               .rename('squaremeterPrice_grouped_city_for_the_current_year'))
median_squaremeterPrice_per_city_and__prev_year =( median_squaremeterPrice_per_city_and_year
                                                   .rename(lambda x: x+1, level=1)
                                                   .rename('squaremeterPrice_grouped_city_for_the_prev_year'))

print (median_squaremeterPrice_per_city_and__prev_year)

df1 = (df.join(median_squaremeterPrice_per_city_and_year, on=['city_code','createdYear'])
         .join(median_squaremeterPrice_per_city_and__prev_year, on=['city_code','createdYear']))

print (df1)
    city_code  createdYear  squaremeterPrice  \
0          26         2014             33273   
1          26         2014             37500   
2          26         2014             47428   
3          26         2014             39554   
4          26         2014             38893   
5          26         2013             34231   
6          26         2014             34344   
7          26         2014             44574   
8          26         2014             25202   
9          26         2014             39632   
10         26         2014             44504   
11         26         2013             23451   

    squaremeterPrice_grouped_city_for_the_current_year  \
0                                             39223.5    
1                                             39223.5    
2                                             39223.5    
3                                             39223.5    
4                                             39223.5    
5                                             28841.0    
6                                             39223.5    
7                                             39223.5    
8                                             39223.5    
9                                             39223.5    
10                                            39223.5    
11                                            28841.0    

    squaremeterPrice_grouped_city_for_the_prev_year  
0                                           28841.0  
1                                           28841.0  
2                                           28841.0  
3                                           28841.0  
4                                           28841.0  
5                                               NaN  
6                                           28841.0  
7                                           28841.0  
8                                           28841.0  
9                                           28841.0  
10                                          28841.0  
11                                              NaN

【讨论】：

嗨，Jezrael，如果我要回到两年而不是前一年，我是否只需将这一行更改：.rename(lambda x: x+1, level=1) 到 .rename (lambda x: x+2, level=1)?
@doomdaam - 未经测试，但我认为 99% 是的，因为 2 年前加入。