基于递减值计算新值

Question

问题：

我想要做的是一步一步地将Series中的值减少一个不断下降的基数。

我不知道这是什么术语--我确实认为我可以用cumsum和diff做点什么，但我想我是在白费力气.

启动代码：

import pandas as pd

ALLOWANCE = 100
values = pd.Series([85, 10, 25, 30])

期望输出：

desired = pd.Series([0, 0, 20, 30])

的基本原理：

从ALLOWANCE的基数开始-- Series中的每个值都会减去剩余的金额，就像备抵本身一样，因此会发生以下步骤：

• 从100开始，我们可以完全删除85，使其成为0，现在15以ALLOWANCE的形式保留下来
• 下一个值是10，我们仍然有可用的15，因此这个值再次变为0，并且还剩下5。
• 下一个值是25 --我们只剩下5了，所以这个值变成了20，现在我们没有进一步的备抵了。
• 下一个值是30，由于没有备抵，所以这个值仍然是30。

Answer 1

按照您最初对cumsum和diff的想法，您可以编写：

>>> (values.cumsum() - ALLOWANCE).clip_lower(0).diff().fillna(0)
0     0
1     0
2    20
3    30
dtype: float64

这是values减去免税额的累计总和。负值被裁剪为零(因为我们不关心数字，直到我们透支了我们的津贴)。从那里，你可以计算出差异。

但是，如果第一个值可能大于津贴，则最好采用以下两行差异：

s = (values.cumsum() - ALLOWANCE).clip_lower(0)
desired = s.diff().fillna(s)

这将使用“第一个值-允许”值填充第一个NaN值。因此，在ALLOWANCE降低到75的情况下，它以Series([10, 10, 25, 30])的形式返回desired。

Answer 2

你对cumsum和diff的想法是可行的。它看起来并不复杂；不确定是否有更短的解决方案。首先，我们计算累积和，对其进行运算，然后返回(diff是cumsum的反函数)。

import math

c = values.cumsum() - ALLOWANCE
# now we've got [-15, -5, 20, 50]
c[c < 0] = 0 # negative values don't make sense here

# (c - c.shift(1)) # <-- what I had first: diff by accident

# it is important that we don't fill with 0, in case that the first
# value is greater than ALLOWANCE
c.diff().fillna(math.max(0, values[0] - ALLOWANCE))

Answer 3

这可能不是很好的表现，但目前这是一种使用rolling_apply的Pandas方式

In [53]:

ALLOWANCE = 100
def reduce(x):
    global ALLOWANCE
    # short circuit if we've already reached 0
    if ALLOWANCE == 0:
        return x
    val = max(0, x - ALLOWANCE)
    ALLOWANCE = max(0, ALLOWANCE - x)
    return val

pd.rolling_apply(values, window=1, func=reduce)
Out[53]:
0     0
1     0
2    20
3    30
dtype: float64

或者更简单地说：

In [58]:

values.apply(reduce)
Out[58]:
0     0
1     0
2    20
3    30
dtype: int64