Skip to main content
 首页 » 编程设计

python之仅针对专用部分的 Pandas Dataframe 计算

2025年02月15日13findumars

我有一个结构如下的数据框:

         Date   ticker  adj_close  
0   2016-11-21     AAPL    111.730      
1   2016-11-22     AAPL    111.800     
2   2016-11-23     AAPL    111.230     
3   2016-11-25     AAPL    111.790      
4   2016-11-28     AAPL    111.570     
...           
8   2016-11-21      ACN    119.680             
9   2016-11-22      ACN    119.480               
10  2016-11-23      ACN    119.820               
11  2016-11-25      ACN    120.740  
...  

如果我计算以下等式:

TimeSeriesLogReturns = np.log(GetTimeSeriesLevels['adj_close']/GetTimeSeriesLevels[‌​'adj_close'].shift(1‌​))  

目前计算是针对整个列表进行的,来自两个不同代码的数据混合在一起,这不应该是这种情况。所以我想让计算代码依赖。

请您参考如下方法:

试试这个:

In [91]: df['new'] = df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1))) 
 
In [92]: df 
Out[92]: 
        Date ticker  adj_close       new 
0 2016-11-21   AAPL     111.73       NaN 
1 2016-11-22   AAPL     111.80  1.000627 
2 2016-11-23   AAPL     111.23  0.994902 
3 2016-11-25   AAPL     111.79  1.005035 
4 2016-11-21    ACN     119.68       NaN 
5 2016-11-22    ACN     119.48  0.998329 
6 2016-11-23    ACN     119.82  1.002846 
7 2016-11-25    ACN     120.74  1.007678 
 
In [93]: df['log'] = np.log(df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1)))) 
 
In [94]: df 
Out[94]: 
        Date ticker  adj_close       new       log 
0 2016-11-21   AAPL     111.73       NaN       NaN 
1 2016-11-22   AAPL     111.80  1.000627  0.000626 
2 2016-11-23   AAPL     111.23  0.994902 -0.005111 
3 2016-11-25   AAPL     111.79  1.005035  0.005022 
4 2016-11-21    ACN     119.68       NaN       NaN 
5 2016-11-22    ACN     119.48  0.998329 -0.001673 
6 2016-11-23    ACN     119.82  1.002846  0.002842 
7 2016-11-25    ACN     120.74  1.007678  0.007649