Question

我有一个数据框，其结构如下：

         Date   ticker  adj_close 
0   2016-11-21     AAPL    111.730     
1   2016-11-22     AAPL    111.800    
2   2016-11-23     AAPL    111.230    
3   2016-11-25     AAPL    111.790     
4   2016-11-28     AAPL    111.570    
...          
8   2016-11-21      ACN    119.680            
9   2016-11-22      ACN    119.480              
10  2016-11-23      ACN    119.820              
11  2016-11-25      ACN    120.740 
...

如果我计算以下等式：

TimeSeriesLogReturns = np.log(GetTimeSeriesLevels['adj_close']/GetTimeSeriesLevels[‌'adj_close'].shift(1‌))

目前，对整个列表进行了计算，并且来自两个不同的股票代码的数据是混合的，不应该是这种情况。所以我想让计算代码依赖。

Answer 1

试试这个：

In [91]: df['new'] = df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1)))

In [92]: df
Out[92]:
        Date ticker  adj_close       new
0 2016-11-21   AAPL     111.73       NaN
1 2016-11-22   AAPL     111.80  1.000627
2 2016-11-23   AAPL     111.23  0.994902
3 2016-11-25   AAPL     111.79  1.005035
4 2016-11-21    ACN     119.68       NaN
5 2016-11-22    ACN     119.48  0.998329
6 2016-11-23    ACN     119.82  1.002846
7 2016-11-25    ACN     120.74  1.007678

In [93]: df['log'] = np.log(df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1))))

In [94]: df
Out[94]:
        Date ticker  adj_close       new       log
0 2016-11-21   AAPL     111.73       NaN       NaN
1 2016-11-22   AAPL     111.80  1.000627  0.000626
2 2016-11-23   AAPL     111.23  0.994902 -0.005111
3 2016-11-25   AAPL     111.79  1.005035  0.005022
4 2016-11-21    ACN     119.68       NaN       NaN
5 2016-11-22    ACN     119.48  0.998329 -0.001673
6 2016-11-23    ACN     119.82  1.002846  0.002842
7 2016-11-25    ACN     120.74  1.007678  0.007649

Pandas Dataframe仅针对专用部件进行计算

1 个答案: