Skip to main content
 首页 » 编程设计

python之Pandas DataFrame Group 和 Rollup 一次操作

2024年12月31日10cloudgamer

我有一个 Pandas DataFrame,其中包含两列交易的“close_time”(DateTime 格式)和该交易的“net_profit”。我在下面分享了一些示例数据。我需要按天查找总交易数和获利交易数。因此,例如,输出看起来像

+-----------------------------------------------------------+ 
| Close_day      Total_Trades   Total_Profitable_Trades     | 
+-----------------------------------------------------------+ 
| 2014-11-03     5              4                           | 
+-----------------------------------------------------------+ 

这可以使用 groupby 之类的东西来完成吗?如何?

+------------------------------------+ 
|             close_time  net_profit | 
+------------------------------------+ 
| 0  2014-10-31 14:41:41       20.84 | 
| 1  2014-11-03 10:50:59      238.74 | 
| 2  2014-11-03 11:05:10      491.32 | 
| 3  2014-11-03 12:31:06       55.87 | 
| 4  2014-11-03 14:31:34     -402.29 | 
| 5  2014-11-03 20:33:29      164.18 | 
| 6  2014-11-04 16:30:24     -296.96 | 
| 7  2014-11-04 23:59:21      281.86 | 
| 8  2014-11-04 23:59:34     -296.37 | 
| 9  2014-11-05 10:14:42      517.55 | 
| 10 2014-11-05 20:38:49      350.35 | 
| 11 2014-11-07 11:23:31      710.13 | 
| 12 2014-11-07 11:23:38      137.55 | 
| 13 2014-11-11 19:00:01      201.97 | 
| 14 2014-11-11 19:00:15     -484.77 | 
| 15 2014-11-12 23:41:04    -1346.71 | 
| 16 2014-11-12 23:41:25      514.30 | 
| 17 2014-11-13 18:55:34      103.34 | 
| 18 2014-11-13 18:55:43     -180.37 | 
| 19 2014-11-26 17:10:59    -1756.69 | 
+------------------------------------+ 

请您参考如下方法:

设置

使用

确保您的 close_time 是 datetime
df.close_time = pd.to_datetime(df.close_time) 

你可以在这里使用groupby和agg:

out = (df.groupby(df.close_time.dt.date) 
          .net_profit.agg(['count', lambda x: x.gt(0).sum()])).astype(int) 
 
out.columns = ['trades', 'profitible_trades'] 

            trades  profitible_trades 
close_time 
2014-10-31      1         1 
2014-11-03      5         4 
2014-11-04      3         1 
2014-11-05      2         2 
2014-11-07      2         2 
2014-11-11      2         1 
2014-11-12      2         1 
2014-11-13      2         1 
2014-11-26      1         0