python - read - Pandas equivalentes a la función Oracle Lead/Lag

python pandas excel

Question

Primero soy nuevo en pandas, pero ya me estoy enamorando de eso. Estoy tratando de implementar el equivalente de la función Lag de Oracle.

Supongamos que tiene este DataFrame:

Date Group Data
2014-05-14 09:10:00 A 1
2014-05-14 09:20:00 A 2
2014-05-14 09:30:00 A 3
2014-05-14 09:40:00 A 4
2014-05-14 09:50:00 A 5
2014-05-14 10:00:00 B 1
2014-05-14 10:10:00 B 2
2014-05-14 10:20:00 B 3
2014-05-14 10:30:00 B 4

Si se tratara de una base de datos de Oracle y quisiera crear una función de retraso agrupada por la columna "Grupo" y ordenada por la Fecha en la que podría usar esta función fácilmente

 LAG(Data,1,NULL) OVER (PARTITION BY Group ORDER BY Date ASC) AS Data_lagged

Esto daría lugar a la siguiente tabla:

Date Group Data Data lagged
2014-05-14 09:10:00 A 1 Null
2014-05-14 09:20:00 A 2 1
2014-05-14 09:30:00 A 3 2
2014-05-14 09:40:00 A 4 3
2014-05-14 09:50:00 A 5 4
2014-05-14 10:00:00 B 1 Null
2014-05-14 10:10:00 B 2 1
2014-05-14 10:20:00 B 3 2
2014-05-14 10:30:00 B 4 3

En pandas puedo establecer la fecha para que sea un índice y usar el método de cambio:

db["Data_lagged"] = db.Data.shift(1)

El único problema es que esto no se agrupa por una columna. Incluso si configuro las dos columnas Fecha y Grupo como índices, obtendría el "5" en la columna retrasada.

¿Hay alguna manera de implementar el equivalente de las funciones de adelanto y retraso en Pandas?

Answer 1

Podría realizar una operación de groupby / apply (shift) :

In [15]: df[''Data_lagged''] = df.groupby([''Group''])[''Data''].shift(1)
In [16]: df
Out[16]:
Date Group Data Data_lagged
2014-05-14 09:10:00 A 1 NaN
2014-05-14 09:20:00 A 2 1
2014-05-14 09:30:00 A 3 2
2014-05-14 09:40:00 A 4 3
2014-05-14 09:50:00 A 5 4
2014-05-14 10:00:00 B 1 NaN
2014-05-14 10:10:00 B 2 1
2014-05-14 10:20:00 B 3 2
2014-05-14 10:30:00 B 4 3
[9 rows x 4 columns]