大佬教程收集整理的这篇文章主要介绍了Groupby 移位（滞后值）模拟，只有 Numpy（无熊猫） 对虚拟数据进行测试 -，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我有一个如下所示的数据框：
ID date v1
0 0 1983.0 1.574
1 0 1984.0 1.806
2 0 1985.0 4.724
3 1 1986.0 0.320
4 1 1987.0 3.414
... ... ...
107191 9874 1993.0 52.448
107192 9874 1994.0 108.652
107193 9875 1992.0 1.597
107194 9875 1993.0 3.134
107195 9875 1994.0 7.619
我想生成一个新列，其中滞后值 v1 由 ID 排序。在熊猫中我会使用
df.groupby('ID')['v1'].shift(-1)
但是，我想仅使用 Numpy 将其转换为纯矩阵/数组形式。在 Numpy 中获得模拟的最直接方法是什么？我需要避免使用 Pandas 工具，因为我想稍后使用 numba @jit。
IIUC，您希望完全在 numpy 中实现 df.groupby('id')['v1'].shift(-1)。这是由石斑鱼和移位法组成。
一个 groupby() 在 numpy 中等效于具有第一分组列和第二个值列的二维数组是 -
np.split(arr[:,1],np.unique(arr[:,0],return_index=TruE)[1][1:])
在 numpy 中，一维数组的 shift() 等价物是 -
np.append(np.roll(arr,-1)[:-1],np.nan)
把这两个放在一起，你就能得到你想要的-
#2D array with only id and v1 as columns
arr = df[['id','v1']].values
#Groupby based on id
grouper = np.split(arr[:,return_index=TruE)[1][1:])
#apply shift to grouped elements
shift = [np.append(np.roll(i,np.nan) for i in grouper]
#stack them as a single array
new_col = np.hstack(shift)
#set as column
df['shifted'] = new_col
#Dummy data
idx = [0,1,2,3,3]
val = np.arange(len(idX))
arr = np.array([idx,val]).T
df = pd.DataFrame(arr,columns=['id','v1'])
#apply grouped shifTing
arr = df[['id','v1']].values
grouper = np.split(arr[:,return_index=TruE)[1][1:])
shift = [np.append(np.roll(i,np.nan) for i in grouper]
new_col = np.hstack(shift)
df['shifted'] = new_col
print(df)
id v1 shifted
0 0 0 1.0
1 0 1 2.0
2 0 2 3.0
3 0 3 4.0
4 0 4 NaN
5 1 5 6.0
6 1 6 7.0
7 1 7 8.0
8 1 8 9.0
9 1 9 10.0
10 1 10 NaN
11 2 11 12.0
12 2 12 13.0
13 2 13 14.0
14 2 14 NaN
15 3 15 16.0
16 3 16 17.0
17 3 17 18.0
18 3 18 19.0
19 3 19 NaN
以上是大佬教程为你收集整理的Groupby 移位（滞后值）模拟，只有 Numpy（无熊猫） 对虚拟数据进行测试 -全部内容，希望文章能够帮你解决Groupby 移位（滞后值）模拟，只有 Numpy（无熊猫） 对虚拟数据进行测试 -所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。