Блог

Я работаю над набором данных, который выглядит примерно так:

 ID  Amount Type
1   50    A
1   1000  A
1   500   B
1   200   B
2   1000  A
2   500   B
 

Я пытаюсь сделать 2 вещи: найти длину самой длинной последовательности каждого типа и найти соотношение A/B и B/A для этих последовательностей для каждого идентификатора.

Объяснение атрибута отношения: Рассчитайте общую сумму в самой длинной последовательности для каждого идентификатора(скажем, длина n). Если последовательность относится к типу A, то получите соотношение с немедленной суммой типа B(n 1 сумма). Если последовательность относится к типу B, то получите соотношение с непосредственным предшественником типа A(количество n-1).

Итак, в случае, о котором я упоминал, конечный результат выглядит следующим образом:

 ID Longest_Sequence_A Longest_Sequence_B Ratio_A_B  Ratio B_A
1  2                  2                  0.47        0.7
2  1                  1                  0.5         0.5
 

Объяснение строки 1: Самые длинные последовательности-это просто длина самой длинной последовательности типа A и типа B.

Для соотношения A_B: Это случай 1, как определено ранее , поэтому рассчитывается сумма всех типов A в самой длинной последовательности(1050), затем берется соотношение с ближайшей последовательной суммой типа B(500), соотношение 500/1050=0,47

Для соотношения B_A: Это случай 2, как определено ранее, поэтому рассчитывается сумма всех типов B в самой длинной последовательности(700), затем берется соотношение с ближайшим предшественником суммы типа A(1000),
соотношение 700/1000=0,7

Это довольно сложный вопрос, который я не в состоянии решить. Был бы очень признателен, если бы кто-нибудь помог с этим.

Вот попытка:

 def ratios(df):
    df = df.reset_index(drop=True)
    groups = (df.Type != df.Type.shift(1)).cumsum()
    result = {}
    for t in ('A', 'B'):
        if t in df.Type.values:
            max_num = groups[df.Type.eq(t)].mode().iat[-1]
            max_group = df[groups.eq(max_num)]
            result[f'Longest_Sequence_{t}'] = len(max_group)
            amounts = max_group.Amount.sum()
            idx = max_group.index
            ratio = None
            if t == 'A':
                if idx[-1] != df.index[-1] and amounts != 0:
                    ratio = df.Amount.at[idx[-1]   1] / amounts
            elif t == 'B':
                if idx[0] != df.index[0]:
                    denom = df.Amount.at[idx[0] - 1]
                    if denom != 0:
                        ratio = amounts / denom
            result[f'Ratio_{t}'] = ratio
        else:
            result[f'Longest_Sequence_{t}'] = 0
            result[f'Ratio_{t}'] = None
    return pd.DataFrame([result])

df = df.groupby('ID').apply(ratios).reset_index(level=1, drop=True)
 

Результат для фрейма данных

    ID  Amount Type
0   1      50    A
1   1    1000    A
2   1     500    B
3   1     200    B
4   2    1000    A
5   2     500    B
 

является

     Longest_Sequence_A  Ratio_A  Longest_Sequence_B  Ratio_B
ID                                                          
1                    2  0.47619                   2      0.7
2                    1  0.50000                   1      0.5
 

Имена и порядок столбцов немного отличаются, но это не должно иметь значения.

Некоторые объяснения (я использую весь фрейм данных в качестве примера):

Это groups = (df.Type != df.Type.shift(1)).cumsum() идентифицирует последовательности:

 0    1
1    1
2    2
3    2
4    3
5    4
Name: Type, dtype: int64
 

Для groups[df.Type.eq('A')]

 0    1
1    1
4    3
Name: Type, dtype: int64
 

.mode() определяет 'A' порядковый номер-для последовательности максимальной длины (в случае, если есть максимальные последовательности одинаковой длины .iat[-1] , выбирается последняя):

 0    1
dtype: int64
 

Теперь здесь с max_num == 1 помощью этого max_group = df[groups.eq(max_num)] выбирается соответствующая группа с индексом от df (последний пункт важен для остальных):

    ID  Amount Type
0   1      50    A
1   1    1000    A
 

Все остальное-это попытка следовать вашим инструкциям по расчету и тем самым позаботиться о крайних случаях. Использование индекса idx относительно df позволяет перемещаться вперед и назад, df чтобы выбрать другие значения, необходимые для коэффициентов. (В начале функции индекс преобразуется в стандартный индекс, просто чтобы убедиться, потому что я хочу иметь возможность использовать /- его.)