Python 行到时间序列列

Question

我正在分析 PGA 巡回赛数据。出于机器学习的目的，我希望列数据能够代表几周内的统计数据。下面是原始数据结构的示例。

import pandas as pd

import numpy as np

data = {'Player Name':['Tiger','Tiger','Tiger','Tiger','Tiger','Tiger','Jack',

                       'Jack','Jack','Jack','Jack','Jack','Jack'], 

        'Date':[1, 2, 4, 6, 7, 9, 1, 3, 4, 6, 9, 10, 11],

        'SG Total':[13, 2, 14, 6, 8, 1, 1, 3, 8, 4, 9, 2, 1]}

df_original = pd.DataFrame(data)

我想获取以下格式的数据。

data = {'Player Name':['Tiger','Tiger','Tiger','Jack','Jack',

                   'Jack','Jack'], 

    'Date':[6, 7, 9, 6, 9, 10, 11],

    'SG Total (Date t-3)':[13, 2, 14, 1, 3, 8, 4],

    'SG Total (Date t-2)':[2, 14, 6, 3, 8, 4, 9],

    'SG Total (Date t-1)':[14, 6, 8, 8, 4, 9, 2],

    'SG Total (Date y)':  [6, 8, 1, 4, 9, 2, 1]}

df_correct = pd.DataFrame(data)

在我使用的真实数据集中，我大约有 1000 列。因此，新的所需数据集可能有 4000 列。正如您在所需数据集中看到的那样，我删除了每个玩家的前 3 周。我在个人数据的第 4 周开始日期，因为我使用前 3 周来填写 (t-3)、(t-2) 和 (t-1)

无论玩家是否玩过游戏，我最初都会为每周创建一个数据集，并使用此代码创建所需的 DataFrame。

#%% Creates weekly dataframes & predictions dataframes

#Creates dataframes of each week

dict_of_weeks = {}

for i in range(1,df_numeric_combined['Date'].nunique()+1):

    dict_of_weeks['Week_{}_df'.format(i)] = df_numeric_combined[df_numeric_combined['Date'] == i]

    dict_of_weeks['Week_{}_df'.format(i)].columns += ' (Week ' + str(i) + ')'

    dict_of_weeks['Week_{}_df'.format(i)].rename(columns={'Player Name (Week ' + str(i) + ')' : 'Player Name' , 'Date (Week ' + str(i) + ')' : 'Date'},inplace=True)

#Creating dataframes for prediction of each week

import functools

dict_of_predictions = {}

df_weeks = []

for i in range(4,df_numeric_combined['Date'].nunique()+1):

    dfs = [dict_of_weeks['Week_'+str(i-3)+'_df'], dict_of_weeks['Week_'+str(i-2)+'_df'], dict_of_weeks['Week_'+str(i-1)+'_df'], dict_of_weeks['Week_'+str(i)+'_df']]

    dict_of_predictions['Week_{}_predictions'.format(i)] = functools.reduce(lambda left,right: pd.merge(left,right,on=['Player Name'], how='outer'), dfs)

然而，我创建的这段代码只有在玩家连续玩几周时才有效，因为它依赖于周数并减去 3、2 和 1。

最终目标是获取 df_correct 格式的数据。

Answer 1

如果我正确理解您的要求，您可以shift在排序的数据框中使用groupby来完成previous每个玩家的一周结果：## Sort first by player and datedf_corrected = df_original.sort_values(['Player Name','Date'])your_columns = ['SG Total'] ## name your 4000 columns herefor col in your_columns:    for s in [3,2,1,0]: ### time lapses        df_corrected[f'{col} (Date t-{s})'] = df_corrected.groupby('Player Name')[col].shift(s)df_corrected.drop(your_columns, axis=1, inplace=True)哪个输出Out[12]:    Player Name  Date  SG Total (Date t-3)  SG Total (Date t-2)  \6         Jack     1                  NaN                  NaN   7         Jack     3                  NaN                  NaN   8         Jack     4                  NaN                  1.0   9         Jack     6                  1.0                  3.0   10        Jack     9                  3.0                  8.0   11        Jack    10                  8.0                  4.0   12        Jack    11                  4.0                  9.0   0        Tiger     1                  NaN                  NaN   1        Tiger     2                  NaN                  NaN   2        Tiger     4                  NaN                 13.0   3        Tiger     6                 13.0                  2.0   4        Tiger     7                  2.0                 14.0   5        Tiger     9                 14.0                  6.0       SG Total (Date t-1)  SG Total (Date t-0)  6                   NaN                    1  7                   1.0                    3  8                   3.0                    8  9                   8.0                    4  10                  4.0                    9  11                  9.0                    2  12                  2.0                    1  0                   NaN                   13  1                  13.0                    2  2                   2.0                   14  3                  14.0                    6  4                   6.0                    8  5                   8.0                    1