Pandas累积数据用于线性回归

我试图调整我的数据,以便每天的总收入累积。例如:

`Created` `total_gross`  `total_gross_accumulated`Day 1     100            100Day 2     100            200Day 3     100            300Day 4     100            400

有什么想法可以修改我的代码以获得total_gross_accumulated吗?

这里是我的数据。

我的代码:

from sklearn import linear_modeldef load_event_data():    df = pd.read_csv('sample-data.csv', usecols=['created', 'total_gross'])    df['created'] = pd.to_datetime(df.created)    return df.set_index('created').resample('D').sum().fillna(0)event_data = load_event_data()X = event_data.indexy = event_data.total_grossplt.xticks(rotation=90)plt.plot(X, y)plt.show()

回答:

列表解析是最符合Python风格的做法。

简短回答:

这应该能给你想要的新列:

n = event_data.shape[0]# 从第0行开始跳过,从第1行开始累积直到结尾total_gross_accumulated =[event_data['total_gross'][:i].sum() for i in range(1,n+1)]# 在原始的pandas数据框中添加新变量event_data['total_gross_accumulated'] = total_gross_accumulated

或者更快的做法

event_data['total_gross_accumulated'] = event_data['total_gross'].cumsum()

详细回答:使用你的数据的完整代码:


结果:

event_data.head(6)#            total_gross  total_gross_accumulated#created#2019-03-01      3481810                  3481810#2019-03-02         4690                  3486500#2019-03-03            0                  3486500#2019-03-04            0                  3486500#2019-03-05            0                  3486500#2019-03-06            0                  3486500X = event_data.indexy = event_data.total_gross_accumulatedplt.xticks(rotation=90)plt.plot(X, y)plt.show()

enter image description here

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注