Skip to main content
 首页 » 编程设计

python之多索引数据帧的每一行的减法表(差异)

2024年12月31日11kerrycode

我正在尝试从同一数据框中的每一行中减去每一行。我看过this .但是那里的代码不适用于多索引。

这是我的数据框结构

                 a  c  z 
index name           
0       foo      15  8  0 
        bar      4   1  0 
        baz      7   2  0 
        toto     12  3  0 
        titi     5   0  0 
1       foo      8   6  0 
        bar      4   1  0 
        baz      6   3  0 
        toto     5   1  0 
        titi     6  0  0 

我想要的结构如下:

index name1 name2  a    c  z 
0      foo   bar   11   7  0 
       foo   baz   8    6  0 
       bar   baz   -3  -1  0 

我已经尝试了两件事。第一个不保留 name1,name2,这在链接中本质上是相同的解决方案。

第二个工作但需要几个小时来计算:

def df_diff(newticker: pd.DataFrame): 
    times = newticker.index.get_level_values("index") 
    timesu = times.unique() 
    symbols = newticker.index.get_level_values("name") 
    symbolsu = symbols.unique() 
    symb_combination = list(itertools.permutations(symbolsu, 2)) 
    tuple_list = [] 
    # 
    for timet in timesu: 
        for sym in symb_combination: 
            tuple_list.append((timet, sym[0], sym[1])) 
    # 
    mindex = pd.MultiIndex.from_tuples(tuple_list, 
                                       names=["index", "name1", "name2"]) 
    cols = newticker.columns 
    # 
    dfdiff = pd.DataFrame(columns=cols, 
                          index=mindex) 
    # 
    for symt in symb_combination: 
        sym1 = symt[0] 
        sym2 = symt[1] 
        sym1df = newticker.xs(sym1, level='name') 
        sym2df = newticker.xs(sym2, level='name') 
        symdiff = sym1df.values - sym2df.values 
        dfdiff.loc[(slice(None), sym1, sym2), :] = symdiff 
    # 
    return dfdiff 

我确信有一种更优雅的方式来做我想做的事。我会感谢任何帮助。

请您参考如下方法:

你有一个构造良好的数据框,我们需要做的只是 merge ,然后是 groupby

df=newticker.reset_index()# using the index for merge key  
 
newdf=df.merge(df,on='index') 
newdf=newdf.loc[lambda x:['name_x']!=x['name_y']] 
newdf=newdf.set_index(['index','name_x','name_y']) 
 
-newdf.groupby(newdf.columns.str.split('_').str[0], 
           axis=1).diff().dropna(1) 
 
Out[90]:  
                      a_y  c_y  z_y 
index name_x name_y                 
0     foo    bar     11.0  7.0 -0.0 
             baz      8.0  6.0 -0.0 
             toto     3.0  5.0 -0.0 
             titi    10.0  8.0 -0.0 
      bar    foo    -11.0 -7.0 -0.0 
             baz     -3.0 -1.0 -0.0 
             toto    -8.0 -2.0 -0.0 
             titi    -1.0  1.0 -0.0 
      baz    foo     -8.0 -6.0 -0.0 
             bar      3.0  1.0 -0.0 
             toto    -5.0 -1.0 -0.0 
             titi     2.0  2.0 -0.0 
      toto   foo     -3.0 -5.0 -0.0 
             bar      8.0  2.0 -0.0 
             baz      5.0  1.0 -0.0 
             titi     7.0  3.0 -0.0 
      titi   foo    -10.0 -8.0 -0.0 
             bar      1.0 -1.0 -0.0 
             baz     -2.0 -2.0 -0.0 
             toto    -7.0 -3.0 -0.0 
1     foo    bar      4.0  5.0 -0.0 
             baz      2.0  3.0 -0.0 
             toto     3.0  5.0 -0.0 
             titi     2.0  6.0 -0.0 
      bar    foo     -4.0 -5.0 -0.0 
             baz     -2.0 -2.0 -0.0 
             toto    -1.0 -0.0 -0.0 
             titi    -2.0  1.0 -0.0 
      baz    foo     -2.0 -3.0 -0.0 
             bar      2.0  2.0 -0.0 
             toto     1.0  2.0 -0.0 
             titi    -0.0  3.0 -0.0 
      toto   foo     -3.0 -5.0 -0.0 
             bar      1.0 -0.0 -0.0 
             baz     -1.0 -2.0 -0.0 
             titi    -1.0  1.0 -0.0 
      titi   foo     -2.0 -6.0 -0.0 
             bar      2.0 -1.0 -0.0 
             baz     -0.0 -3.0 -0.0 
             toto     1.0 -1.0 -0.0