팬더에서의 컨디션을 가진 vlookup

Question

나는 농구 팀에 대한 분석을하고 있습니다. 나는 팬더를 사용했지만 최근에는 조건에 따라 Excel VLookup과 동등한 작업을 수행해야합니다. 나는 1985 년 이래로 모든 팀 데이터 (팀이 30 개)를 보유하고 있습니다 (2013 년까지). 연도 열에 3 년을 추가하는 Year3이라는 열을 추가했습니다. Year를 가져와 백분위 수를 반환하는 새 열 (Perc3이라고 부름)에서 vlookup을 수행하려고합니다. 이 상황을 혼란스럽게 만드는 조건은 올해의 팀과 일치해야한다는 것입니다. 및 (년도 :

Team Year Percentile WLPer LgRnk W L Year3 308 Atlanta Hawks 1997 0.793103 0.683 23 56 26 2000 23 Atlanta Hawks 1986 0.782609 0.610 18 50 32 1989 69 Atlanta Hawks 1988 0.695652 0.610 16 50 32 1991 337 Atlanta Hawks 1998 0.689655 0.610 20 50 32 2001 252 Atlanta Hawks 1995 0.518519 0.512 14 42 40 1998 395 Atlanta Hawks 2000 0.172414 0.341 5 28 54 2003

정도로 (308로 표시)의 첫 번째 행에 대한 Year3 난 (PERC3)을 생성 할 열, I는 (애틀랜타에서 팀)에 해당하는 백분위 결핍 2000이다 : 2000). 이 작업을 수행하는 쉬운 방법이 있습니까?

예상 출력 : 다음은 패널에 틈이 (즉, 팀 내에서 어떤 년이 생략 없음)이없는 경우 다음과 같은 작업을해야

Team Year Percentile WLPer LgRnk W L Year3 Perc3 308 Atlanta Hawks 1997 0.793103 0.683 23 56 26 2000 0.172414 23 Atlanta Hawks 1986 0.782609 0.610 18 50 32 1989 0.840000 69 Atlanta Hawks 1988 0.695652 0.610 16 50 32 1991 0.555556 337 Atlanta Hawks 1998 0.689655 0.610 20 50 32 2001 0.172414 252 Atlanta Hawks 1995 0.518519 0.512 14 42 40 1998 0.689655 395 Atlanta Hawks 2000 0.172414 0.341 5 28 54 2003 0.275862

Answer 1

.

먼저 정렬에 의해 [ '팀', '년'] 지금 당신의 패널은 다음과 같습니다 :

same_team = df.team == df.team.shift(-3) 
df['ptile3'] = df['ptile'].shift(-3).where(same_team) 
print df 

    team year ptile ptile3 
0  A 2000 0.40 0.30 
1  A 2001 0.42 0.38 
2  A 2002 0.46 0.40 
3  A 2003 0.30 0.35 
4  A 2004 0.38 0.50 
5  A 2005 0.40  NaN 
6  A 2006 0.35  NaN 
7  A 2007 0.50  NaN 
8  B 2000 0.60 0.65 
9  B 2001 0.70 0.75 
10 B 2002 0.55 0.72 
11 B 2003 0.65 0.66 
12 B 2004 0.75 0.56 
13 B 2005 0.72  NaN 
14 B 2006 0.66  NaN 
15 B 2007 0.56  NaN 

:

df = df.sort(['team','year']) 
print df 

    team year ptile 
0  A 2000 0.40 
1  A 2001 0.42 
2  A 2002 0.46 
3  A 2003 0.30 
4  A 2004 0.38 
5  A 2005 0.40 
6  A 2006 0.35 
7  A 2007 0.50 
8  B 2000 0.60 
9  B 2001 0.70 
10 B 2002 0.55 
11 B 2003 0.65 
12 B 2004 0.75 
13 B 2005 0.72 
14 B 2006 0.66 
15 B 2007 0.56 

둘째, percentile3 열을 생성하기 위해 shift 및 where 명령을 사용하여

또한 groupby/apply 내에서 이러한 목표를 달성하기 위해 shift을 사용할 수

df['ptile3'] = df.groupby('team')['ptile'].apply(lambda x: x.shift(-3))