問題緣起

pandas的DataFrame可以用 diff() 方法實(shí)現(xiàn)相鄰單元數(shù)值相減，但是目前有這樣一個(gè)實(shí)用場景：已知數(shù)據(jù)集是某公司每個(gè)季度當(dāng)年盈利總和的數(shù)據(jù)，需要求出該公司每個(gè)季度的盈利數(shù)據(jù)。

換一個(gè)方式表達(dá)就是：每年有四個(gè)季度的數(shù)據(jù)，一季度的數(shù)據(jù)就是單一的一季度盈利值，二季度的數(shù)據(jù)是一二兩個(gè)季度盈利值的和，以此類推。

要求出每個(gè)季度單一的盈利值，那么就是除了每年的第一季度，都用自己的值減去前一季度的值——這是一個(gè)** 部分相鄰相減 ** 問題。

解決思路

先用全部數(shù)據(jù)做相鄰相減；然后將每年的第一季度的值替換成原始數(shù)據(jù)。使用到的關(guān)鍵方法是：diff()/update()

注意：update()方法本身返回的一定是None，之前測試時(shí)一直覺得奇怪，print a.update(b)，得到的都是 None。原來，正確的姿勢是 a.update(b)，這時(shí)候 a 已經(jīng)更新數(shù)據(jù)了，直接 print a，就會(huì)看到結(jié)果。

import pandas as pd

s=pd.Series(['2014-03-31','2014-06-30','2014-09-30','2014-12-31','2015-03-31','2015-06-30','2015-09-30','2016-12-31','2016-03-31','2016-06-30','2016-09-30','2016-12-31'])
income=[12,23,36,56,22,32,35,29,12,45,68,98]
df=pd.DataFrame(income,index=s,columns=['income'])
# 全部相鄰相減
sub_all=df.diff(axis=0)
print sub_all
# 找出需要替換回來的
print '--------現(xiàn)在開始替換回來---------'
retain=df.iloc[[0,4,8]]
sub_all.update(retain)
print sub_all

            income
2014-03-31     NaN
2014-06-30    11.0
2014-09-30    13.0
2014-12-31    20.0
2015-03-31   -34.0
2015-06-30    10.0
2015-09-30     3.0
2016-12-31    -6.0
2016-03-31   -17.0
2016-06-30    33.0
2016-09-30    23.0
2016-12-31    30.0
--------現(xiàn)在開始替換回來---------
            income
2014-03-31    12.0
2014-06-30    11.0
2014-09-30    13.0
2014-12-31    20.0
2015-03-31    22.0
2015-06-30    10.0
2015-09-30     3.0
2016-12-31    -6.0
2016-03-31    12.0
2016-06-30    33.0
2016-09-30    23.0
2016-12-31    30.0

如何快速找出所有的一季度數(shù)據(jù)

重點(diǎn)是先用 pd.to_datetime()方法將index轉(zhuǎn)為 datetime 對(duì)象，這樣就能很容易的獲得 month

import pandas as pd
import numpy as np
import re,datetime as dt

def get_all_season_one(df_raw,base_key_name):
    # df_raw[base_key_name] 是疊加的每季度數(shù)據(jù)，即二季度數(shù)據(jù)是一二季度之和
    # df_raw.index 每年只有四個(gè)值，是每年的報(bào)告期 yyyy-03-31,yyyy-06-30,yyyy-09-30,yyyy-12-31
    # df_raw.index 的數(shù)據(jù)是按照時(shí)間逆序排列
    df_raw['diff']= df_raw.diff(axis=0)[base_key_name]
    df_raw.index=pd.to_datetime(df_raw.index)
    df_raw['season']=df_raw.index.month/3
    season_ones=df_raw[df_raw['season']==1]
    return season_ones

s=pd.Series(['2014-03-31','2014-06-30','2014-09-30','2014-12-31','2015-03-31','2015-06-30','2015-09-30','2016-12-31','2016-03-31','2016-06-30','2016-09-30','2016-12-31'])
income=[12,23,36,56,22,32,35,29,12,45,68,98]
df=pd.DataFrame(income,index=s,columns=['income'])
print get_all_season_one(df,'income')

執(zhí)行結(jié)果：

            income  diff  season
2014-03-31      12   NaN       1
2015-03-31      22 -34.0       1
2016-03-31      12 -17.0       1