有效計算曆史總計

Question

我有一個包含歷史記錄的數據框，例如銷售額。

import pandas as pd 

first_salesman = pd.Series([1, 2, 3], index=[pd.to_datetime('2015-01-01'), pd.to_datetime('2015-01-02'), pd.to_datetime('2015-01-03')]) 
second_salesman = pd.Series([2, 0, 5], index=[pd.to_datetime('2015-01-01'), pd.to_datetime('2015-01-02'), pd.to_datetime('2015-01-03')]) 
third_salesman = pd.Series([6, 7, 1], index=[pd.to_datetime('2015-01-01'), pd.to_datetime('2015-01-02'), pd.to_datetime('2015-01-03')]) 

df = pd.concat([first_salesman, second_salesman, third_salesman], axis=1).reset_index() 
df = pd.melt(df, id_vars=['index'], value_vars=[0, 1, 2]) 
df.columns = ['Date', 'Salesman_id', 'Sales'] 
df = df.set_index('Date') 

我想計算每個銷售人員的歷史統計數據：在其他方面，對於每個業務員的每一天，我想知道他們的意思，STD，最大值，最小值，等等。看起來像直到那一天。

因此，關注於推銷員1，只有平均水平，它會是[1,1.5,2]。

我當然可以建立for-loop，但我有相當多的推銷員和日期，這看起來不是最有效率的事情。我正在尋找的是一種有效的方式來計算這一點。

Answer 1

經過一番修補之後，我找到了解決辦法。在Pandas> = 0.18中，可以使用df.expanding（）。見documentation。

一個乾淨的解決方案，此方案是這樣的一行代碼：

df.set_index(['Salesman_id', 'Date']).expanding(min_periods=1).agg([np.mean, np.std, np.min, np.max]) 

注意.expanding（）完全支持.agg（），所以你可以使用任何彙總你想。