python pandas：groupby应用函数查看前行

Question

我有一个数据集，我想添加一个列来表示某些计算的结果（这很复杂），计算需要在每个组中进行，每个行的值都依赖于它上面的行。下面是一个简单的示例，说明我目前所掌握的代码和所需的输出：

编辑1 所以我更新了下面的代码，也许我不明白apply是如何工作的，但我认为这将执行两次（每组一次）。然后，我的函数将循环遍历这些执行中的每一行。我仍然不明白为什么它要打印3次…我以为“执行”会打印5次。有什么想法？在

编辑2 我的返回函数的缩进错误。那就修好了。谢谢你的帮助！在

import pandas as pd

df = pd.DataFrame({'type' : ['foo', 'foo', 'foo', 'bar','bar'], 'cost' : [1, 4, 2, 8,9]})
df['class'] = np.nan

def customFunction(test_df):
    print np.shape(test_df)
    iteration = 1
    for currRow in test_df.iterrows():
        print 'executed'
        if iteration == 1:
            test_df['class'] = 'first'
        else:
            if currRow[1]['cost'] > priorCost:
                test_df['class'] = 'greater'
            elif currRow[1]['cost'] < priorCost:
                test_df['class'] = 'less'
            else:
                test_df['class'] = 'equal'

        iteration += 1        
        priorCost = currRow[1]['cost']

    return test_df

grouped_df = df.groupby(['type']).apply(customFunction)

输出：

^{pr2}$

Answer 1

我会尽我所能给你-我现在需要休息一下，但是：

df = pd.DataFrame(pd.read_clipboard())
df.set_index('type', inplace=True)
test = df.groupby(level=0).apply(lambda x: x.cost.diff())

给我（因为diff()计算了w.r.t.列中第一个条目的差异）

^{pr2}$

所以这包含了你需要的所有信息。目前，我正在努力将这些信息合并回原始数据帧。df['differences'] = test造成了巨大的混乱。在

更新

我快到了：

>>> df['differences'] = test[1].append(test[0])
>>> df.loc[df['differences'] > 0, 'inWords'] = 'greater'   
>>> df.loc[df['differences'] < 0, 'inWords'] = 'lesser' 
>>> df.loc[df['differences'].isnull(), 'inWords'] = 'first' 
>>> df
Out[184]: 
      cost  differences  inWords
type                            
foo      1          NaN    first
foo      4            3  greater
foo      2           -2   lesser
bar      8          NaN    first
bar      9            1  greater

因此，唯一需要的是泛型表达式，而不是test[1].append(test[0])。也许有人能插手进来？在

更新2

回复您的评论：每当您为apply()定义函数时，如

def compareSomethingWithinAGroup(group):
    someMagicHappens()
    return someValues

您可以访问所有标准pandas函数和函数内的整个组。因此，您可以创建所有复杂的依赖于行的魔法，不管它是什么。唯一需要注意的是：someValues必须是一个只有一列的Series或{}，它的条目数与{}的行数一样多。只要返回这样的someValues，就可以始终执行df['resultOfSomethingComplicated'] = df.groupby(level=0).apply(compareSomethingWithinAGroup)，并使用响应中的所有行。在