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.