我有 8 个相同长度的数据帧,其中一个“日期”列在所有数据帧中看起来都一样(尽管我没有将其用作索引)。
>>> _dataframes[0].tail(3)
date trade_number
4122 2019-07-15 678
4123 2019-07-16 678
4124 2019-07-17 678
它们都以索引 4124 结束,日期为 2019-07-17 并且有一列 trade_number 的值是可变的,但它总是升序排列。
max = 0
for df in _dataframes:
max += df ["trade_number"].max()
这给出了 max = 4231,这与我打开计算器并手动对每个数据帧的最后几行求和时的结果一致。
然而...
>>> test = pd.concat(_dataframes).groupby("date", as_index=False).sum()
>>> test.tail(10)
date trade_number
4115 2019-07-08 4218
4116 2019-07-09 4219
4117 2019-07-10 4221
4118 2019-07-11 4223
4119 2019-07-12 4224
4120 2019-07-13 4224
4121 2019-07-14 4224
4122 2019-07-15 4230
4123 2019-07-16 4230
4124 2019-07-17 4512 # <--- WHY?
怎么读到的最后一行是2019-07-17 4512。为什么不是 4231?
Here's pd.concat(_dataframes).to_clipboard() 产生的数据,以便您可以使用 pd.read_clipboard() 导入它。
请您参考如下方法:
让我们检查两件事
pd.concat(_dataframes).groupby("date", as_index=False).date.nunique()
和
pd.concat(_dataframes).groupby("date", as_index=False).date.count()
如果它们不相等,那么当你执行 groupby 时你将得到不同的输出
由于for循环,只会对最大值求和,不会对所有值求和。与输出匹配
pd.concat(_dataframes).sort_values('trade_number').drop_duplicates('date',keep='last').groupby('date')['trade_number'].sum()
