python - Pandas groupby diff

group-by

Question

Entonces mi dataframe se ve así:

from pandas.compat import StringIO
d = StringIO(''''''
date,site,country,score
2018-01-01,google,us,100
2018-01-01,google,ch,50
2018-01-02,google,us,70
2018-01-03,google,us,60
2018-01-02,google,ch,10
2018-01-01,fb,us,50
2018-01-02,fb,us,55
2018-01-03,fb,us,100
2018-01-01,fb,es,100
2018-01-02,fb,gb,100
'''''')

df = pd.read_csv(d, sep=",")

Cada sitio tiene una puntuación diferente según el país. Estoy tratando de encontrar la diferencia de puntajes de 1/3/5 días para cada combinación de sitio / país.

La salida debe ser:

date,site,country,score,1_day_diff
2018-01-01,google,ch,50,0
2018-01-02,google,ch,10,-40
2018-01-01,google,us,100,0
2018-01-02,google,us,70,-30
2018-01-03,google,us,60,-10
2018-01-01,fb,es,100,0
2018-01-02,fb,gb,100,0
2018-01-01,fb,us,50,0
2018-01-02,fb,us,55,5
2018-01-03,fb,us,100,45

Primero intenté ordenar por sitio / país / fecha, luego agrupar por sitio y país, pero no puedo entender cómo obtener una diferencia de un objeto agrupado.

Answer 1

Primero, ordene el DataFrame y luego todo lo que necesita es groupby.diff() :

df = df.sort_values(by=[''site'', ''country'', ''date''])

df[''diff''] = df.groupby([''site'', ''country''])[''score''].diff().fillna(0)

df
Out: 
         date    site country  score  diff
8  2018-01-01      fb      es    100   0.0
9  2018-01-02      fb      gb    100   0.0
5  2018-01-01      fb      us     50   0.0
6  2018-01-02      fb      us     55   5.0
7  2018-01-03      fb      us    100  45.0
1  2018-01-01  google      ch     50   0.0
4  2018-01-02  google      ch     10 -40.0
0  2018-01-01  google      us    100   0.0
2  2018-01-02  google      us     70 -30.0
3  2018-01-03  google      us     60 -10.0

sort_values no admite pedidos arbitrarios. Si necesita ordenar de forma arbitraria (por ejemplo, google antes de fb), debe almacenarlos en una colección y establecer su columna como categórica. Entonces sort_values ​​respetará el orden que proporcionó allí.