滞后于计算和按列分组

Question

我下面有一个数据框。我正在尝试通过计算为var1，var2，var3创建滞后 （var_n / lag2（var_n））-2（其中n是1,2,3）

以下代码对lag2正常工作。但是我需要按“ grp”分组进行计算

代码：

lag = [2]

df = pd.concat（[df] + [df.groupby（'grp'['var1'，'var2'，'var3']。shift（x）.add_prefix（'lag'+ str（x） ），用于x滞后]，轴= 1）

我在下面尝试了另一种方法，但无法按以下方式申请分组：

yoy = [12]

columns_y = df.loc [:,'var1'：'var3']

对于columns_y.columns中的列：

for x in yoy: 
    columns_y.loc[:,col+"_yoy"] =(columns_y[col]/(columns_y[col].shift(x)))-1

Answer 1

尝试一下

df = pd.DataFrame({
    'grp':['a','a','a','b','b','b'],'abc2':['l','m','n','p','q','r'], 'abc3':['x','y','z','a','b','c'],
    'var1':[20,30,20,40,50,90],'var2':[50,80,70,20,30,40],'var3':[50,80,70,20,30,40]})

lag = [2]
lags_df = pd.concat([
    df.groupby('grp')[[f'var{i+1}' for i in range(3)]]
    .shift(x)
    .add_prefix(f'lag{x}_')
    for x in lag
], axis=1)
print(pd.concat([df, lags_df], axis=1))

otuputs

  grp abc2 abc3  var1  var2  var3  lag2_var1  lag2_var2  lag2_var3
0   a    l    x    20    50    50        NaN        NaN        NaN
1   a    m    y    30    80    80        NaN        NaN        NaN
2   a    n    z    20    70    70       20.0       50.0       50.0
3   b    p    a    40    20    20        NaN        NaN        NaN
4   b    q    b    50    30    30        NaN        NaN        NaN
5   b    r    c    90    40    40       40.0       20.0       20.0