Question

我正在使用交易数据进行数据分析。我想用Pandas来检查交易者活跃的时间。

特别是，我尝试提取每个交易者每天第一笔交易日期之间的分钟差异，并将其累计为每月

数据如下所示：

Timestamp (Datetime)  | Buyer | Volume 
--------------------------------------
2012-01-01 09:00:00   | John  | 10
2012-01-01 10:00:00   | Mark  | 10
2012-01-01 16:00:00   | Mark  | 10
2012-01-01 11:00:00   | Kevin | 10
2012-02-01 10:00:00   | Mark  | 10
2012-02-01 09:00:00   | John  | 10
2012-02-01 17:00:00   | Mark  | 10

现在我使用重新采样来每天检索第一笔交易。但是，我想由买方分组来计算交易日期的差异。喜欢这个

Timestamp (Datetime)  | Buyer | Volume 
--------------------------------------
2012-01-01 09:00:00   | John  | 10
2012-01-01 10:00:00   | Mark  | 10
2012-01-01 11:00:00   | Kevin | 10
2012-01-02 10:00:00   | Mark  | 10
2012-01-02 09:00:00   | John  | 10

总的来说，我希望计算每个交易者每日第一笔交易的分钟差异。

更新

例如约翰在2012-01-01的情况：Dist = 60（Diff John-Mark）+ 120（Diff John-Kevin）= 180

如果有人知道如何做到这一点，我将非常感激。

谢谢

Answer 1

原始画面（重新采样的画面）

In [71]: df_orig
Out[71]: 
   buyer                date  volume
0   John 2012-01-01 09:00:00      10
1   Mark 2012-01-01 10:00:00      10
2  Kevin 2012-01-01 11:00:00      10
3   Mark 2012-01-02 10:00:00      10
4   John 2012-01-02 09:00:00      10

将索引设置为日期列，使日期列保持原位

In [75]: df = df_orig.set_index('date',drop=False)

创建此聚合函数

def f(frame):
    frame.sort('date',inplace=True)
    frame['start'] = frame.date.iloc[0]
    return frame

按单日期分组

In [74]: x = df.groupby(pd.TimeGrouper('1d')).apply(f)

以分钟为单位创建差异

In [86]: x['diff'] = (x.date-x.start).apply(lambda x: float(x.item().total_seconds())/60)

In [87]: x
Out[87]: 
                                buyer                date  volume               start  diff
           date                                                                            
2012-01-01 2012-01-01 09:00:00   John 2012-01-01 09:00:00      10 2012-01-01 09:00:00     0
           2012-01-01 10:00:00   Mark 2012-01-01 10:00:00      10 2012-01-01 09:00:00    60
           2012-01-01 11:00:00  Kevin 2012-01-01 11:00:00      10 2012-01-01 09:00:00   120
2012-01-02 2012-01-02 09:00:00   John 2012-01-02 09:00:00      10 2012-01-02 09:00:00     0
           2012-01-02 10:00:00   Mark 2012-01-02 10:00:00      10 2012-01-02 09:00:00    60

这是解释。我们使用TimeGrouper按日期进行分组，其中帧被传递给函数f。此功能，然后使用当天的第一个日期（这里需要排序）。你从条目的日期减去这个来得到一个timedelta64，然后按摩到几分钟（这有点hacky现在因为一些numpy问题，应该在0.12更自然）

感谢您的更新，我原本以为您想要每个买家的差异，而不是第一个买家，但这只是一个小小的调整。

更新

要跟踪买家名称（对应于开始日期），只需加入即可它在函数f

中

def f(frame):
    frame.sort('date',inplace=True)
    frame['start'] = frame.date.iloc[0]
    frame['start_buyer'] = frame.buyer.iloc[0]
    return frame

然后可以在最后分组：

In [14]: x.groupby(['start_buyer']).sum()
Out[14]: 
             diff
start_buyer      
John          240

熊猫：将重新采样与groupby相结合并计算时差

1 个答案: