Question

给出以下数据框：

  date        type       price         
20150101       X           0.8
20150102       X           0.9
20150103       X           1.0
20150104       X           0.9
20150105       abc         12.3
20150106       abc         12.4
20150107       abc         12.4
20150108       X           0.7
20150109       X           0.6
20150110       X           0.9
20150111       abc         12.3
20150112       abc         12.4
20150113       X           0.5
20150114       X           0.6
20150115       abc         12.3
20150116       abc         12.4

数据由X的集群价格和abc的价格组成。我想根据＆＃39; type＆＃39;中的条目计算一个新列（称之为＆＃39; position＆＃39;）和＆＃39;价格＆＃39;遵守以下规则：

1. 'position' = 0  if 'type'=='X'
2. 'position' = 1  if 'type'=='abc' and max of price of X in the 'previous section' is >=1
3. 'position' = -1  if 'type'=='abc' and min of price of X in the 'previous section' is <=0.5
4. 'position' = 0  if 'type'=='abc' and otherwise
5.Notes: definition of "previous section" is the period with cluster of prices of "X" between two sections of 'abc' prices. For example

  for 20150105-20150107  previous section is 20150101-20150104
  for 20150111-20150112  previous section is 20150108-20150110
  for 20150115-20150116  previous section is 20150113-20150114

这样我就可以创建以下数据框：

  date        type       price     position   
20150101       X           0.8         0
20150102       X           0.9         0
20150103       X           1.0         0
20150104       X           0.9         0
20150105       abc         12.3        1
20150106       abc         12.4        1
20150107       abc         12.4        1
20150108       X           0.7         0
20150109       X           0.6         0
20150110       X           0.9         0
20150111       abc         12.3        0
20150112       abc         12.4        0
20150113       X           0.5         0
20150114       X           0.6         0
20150115       abc         12.3       -1
20150116       abc         12.4       -1

我遇到的困难是我不知道如何定义上一节＆＃39;。我尝试使用pivot_table，这似乎更容易操作，我想生成相同的位置＆＃39;专栏如下：

  date        X             abc    position
20150101      0.8           nan        0
20150102      0.9           nan        0
20150103      1.0           nan        0
20150104      0.9           nan        0
20150105      nan          12.3        1
20150106      nan          12.4        1
20150107      nan          12.4        1
20150108      0.7          nan         0
20150109      0.6          nan         0
20150110      0.9          nan         0
20150111      nan          12.3        0
20150112      nan          12.4        0
20150113      0.5          nan         0
20150114      0.6          nan         0
20150115      nan          12.3       -1
20150116      nan          12.4       -1

但我仍然不知道如何定义上一节＆＃39;计算X的每个价格部分的最大值，最小值或任何其他值。帮助!!!

Answer 1

问题的一般形式是找到重复值的出现。熊猫的本能应该是达到groupby，但实际系列值的简单groupby在这里不起作用，因为它将组合非连续的相似值。相反，我喜欢使用Series.diff和Series.cumsum。

series = pd.Series(["abc", "abc", "x", "x", "x", "abc", "abc"])

您不能在字符串上使用Series.diff，因此首先要创建string到int的映射。这些值只需要是唯一的。

mapping = {v: k for k, v in enumerate(set(series))  # {"abc": 0, "x" 1}
int_series = series.map(mapping) # pd.Series([0, 0, 1, 1, 1, 0, 0])

现在您可以使用Series.diff。 Series.diff为您提供series[n] - series[n - 1]。起始值没有前一行，因此始终为NaN。

int_series.diff()  # [NaN, 0, 1, 0, 0, -1, 0]

使用Series.diff，我们可以通过测试!= 0找到每个组的开头。

starts = int_series.diff() != 0  # [True, False, True, False, False, True, False]

将其与原始值进行比较，看看我们如何找到每个组的开头：

starts  # [True, False, True, False, False, True, False]
series  # ["abc", "abc", "x", "x", "x", "abc", "abc"]

我们不想只知道每个小组的开头 - 我们想知道每一行中的小组.Easy-peasy - Series.cumsum将每一行添加到上一行。方便的是，如果你试图在Python中添加bool，他们就会被迫int s，他们的超类。

True + True  # 2
True + False  # 1
groups = starts.cumsum()  # [1, 1, 2, 2, 2, 3, 3]

现在，您可以使用groupby(groups)独立处理每个群组。

for _, sequence in series.groupby(groups):
     print sequence
# ["abc", "abc"]
# ["x", "x, "x"]
# ["abc", "abc"]

在您的特定情况下：

group_mins = prices.groupby(groups).min()
previous_group_below_min = (groups - 1).map(group_mins) < SOME_CONSTANT

根据pandas中数据框中2列的数据计算值

1 个答案: