前走とのコース距離の変化

import pandas as pd
import numpy as np

#競馬データ読み込み
keiba_data=pd.read_csv(r"〇〇") #〇〇には競馬データ.csvのファイルパスを入力

#日付をdatetime型のする。
keiba_data['日付'] = pd.to_datetime(keiba_data['日付'], format='%Y年%m月%d日')

#競馬データを馬IDを昇順に、日付を降順に並び替える
keiba_data=keiba_data.sort_values(by=["馬ID","日付"], ascending=[True, False])
#馬IDでグループ化
grouped = keiba_data.groupby("馬ID")

#空のリストを作る
empty_list=[]

#groupedから各馬IDの馬のレース結果を抽出する。(uma_id(使わない)は馬ID、df_umaはその馬IDの馬のレース結果。)
for uma_id,df_uma in grouped:
    df_uma["距離変化"] =  df_uma["距離"]-df_uma["距離"].shift(-1) 
    df_uma["距離変化率"]=(df_uma["距離"]/(df_uma["距離"].shift(-1)))*100
    #空のリストにdf_umaを格納する
    empty_list.append(df_uma[["距離変化","距離変化率"]])

#空のリストにいれたデータフレームを統合する。
df=pd.concat(empty_list,axis=0)
#keiba_dataにdfを統合し、距離変化、距離変化率を入れる
keiba_data=pd.concat([keiba_data,df[["距離変化","距離変化率"]]],axis=1)

#距離増加フラグの関数を作成する。

#関数を作る(ある列が－を含む場合：-1、＋を含む場合:1、それ以外0)
def categorize_value(value):
    if  value < 0:
        return -1
    elif value > 0:
        return 1
    else:
        return 0  # 当てはまらない場合は0

#関数を適用し、距離増加フラグを作る
keiba_data['距離増加フラグ'] = keiba_data['距離変化'].apply(categorize_value)