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。
