这个问题只是我已经发布的一个问题的一般版本,Time series normalization by event
假设我有一个python dict,如下所示,对于每个产品,键是时间戳,值是该时间戳下的产品价格
data_dict = {
'product_1' : {1: 415, 2: 550, 3: 0, 4: 550, 5: 600},
'product_2' : {1: 400, 2: 300, 3: 300, 4: 0, 5: 300},
'product_3' : {1: 500, 2: 0 , 3: 0, 4: 500, 5: 500},
'product_4' : {1: 0, 2: 200, 3: 200, 4: 300, 5: 300}
}
在时间序列分析中,通过一些事件重整多个时间序列是非常普遍的,假设当产品空闲时,我们将事件视为时间戳。在通用版本中,我允许产品免费使用多日。我想要一张这种结构的桌子 | -3 | -2 | -1 | 0 | +1 | +2 | +3 | +4 |
---------------------------------------------------------
product_1 | NA | 415 | 550 | 0 | 550 | 600 | NA | NA |
product_2 | 400 | 300 | 300 | 0 | 300 | NA | NA | NA |
product_3 | NA | NA | 500 | 0 | 500 | 500 | NA | NA |
product_4 | NA | NA | NA | 0 | 200 | 200 | 300 | 300 |
使用pandas for python有什么方法可以轻松做到这一点吗?我相信很多数据科学的人在某个时候也做过类似的事情。如果不是的话,我真的很感激熊猫人能在将来为类似的东西添加一些功能!同时,对如何进行这项工作有什么建议吗
在这个限制性案例的答案的基础上:https://stackoverflow.com/a/33723633/1853020
我修改了函数以引入左右限制:
然后将其应用于由数据dict创建的熊猫数据帧:
相关问题 更多 >
编程相关推荐