Skip to main content
 首页 » 编程设计

python之基于 Pandas 数据框中列值的顶部底部配对

2025年01月19日9虾米哥

我想根据 Score 列中的值从 DataFrame 生成 Sector/Group wise 对。

+---------+-------------------+---------+ 
|  Ticker |      Sector       |   Score |    
+---------+-------------------+---------+ 
|   ABC   |    Energy         |    3.5  |      
|   XYZ   |    Energy         |    4.5  |      
|   PQR   |    Tech           |    5.5  |      
|   MNP   |    Tech           |    1.5  |      
|   JKL   |    Energy         |   10.5  |      
|   BCA   |    Energy         |    8.5  |      
|   RDB   |    Tech           |    6.5  | 
|   JMP   |    Tech           |    2.5  | 
+---------+-------------------+---------+ 

从上面的示例来看,在能源行业中,JKL/ABC 将是这样的一对,因为 JKL 在该行业中得分最高,而 ABC 得分最低。类似地,能源中的下一个配对将是 BCA/XYZ,因为 BCA 是第二高的,XYZ 是第二高的该行业中最低的。

作为下一步,我想在对差异大于特定阈值的每个扇区内保留这些对。

感谢您的帮助。

输出可以是

+---------+-------------------+---------+ 
|  Ticker |      Sector       |  Result |    
+---------+-------------------+---------+ 
|   ABC   |    Energy         |    0    |      
|   XYZ   |    Energy         |    0    |      
|   PQR   |    Tech           |    1    |      
|   MNP   |    Tech           |    0    |      
|   JKL   |    Energy         |    1    |      
|   BCA   |    Energy         |    1    |      
|   RDB   |    Tech           |    1    | 
|   JMP   |    Tech           |    0    | 
+---------+-------------------+---------+ 

请您参考如下方法:

这就是你想要的吗?

( 
    df.groupby('Sector') 
    .apply(lambda x: [df.Ticker.iloc[x.Score.idxmin()], 
                      df.Ticker.iloc[x.Score.idxmax()], 
                      x.Score.idxmin(), x.Score.idxmax()]) 
    .apply(pd.Series) 
    .set_axis(['Low Ticker', 'High Ticker', 'Low', 'High'], 
              axis=1, inplace=False) 
    .assign(Diff = lambda x: x.High-x.Low) 
) 
 
Out[653]:  
          Low Ticker High Ticker  Low  High  Diff 
Sector                                            
Energy           ABC         JKL    0     4     4 
Utilities        MNP         RDB    3     6     3 

然后,您可以通过过滤 Diff 列来保留每个扇区中配对差异大于特定阈值的配对。