Question

我有以下数据。注意，对于FPEDATS和CUSIP的每个组合，有多个STATPERS。

CUSIP,STATPERS,NUMEST,FPEDATS
87482X10,20140417,4,20141231
87482X10,20140515,4,20141231
87482X10,20140619,5,20141231
12345678,20140717,3,20141231
12345678,20140814,5,20141231
87482X10,20140417,1,20151231
87482X10,20140515,2,20151231
87482X10,20140619,3,20151231
12345678,20140717,4,20151231
12345678,20140814,5,20151231

如果我使用panda.read_csv和columns = [＆＃34; FPEDATS＆＃34;，＆＃34; CUSIP＆＃34;]。我得到以下内容。

                      STATPERS    NUMEST
CUSIP    FPEDATS                      
87482X10 2014-12-31 2014-04-17       4
         2014-12-31 2014-05-15       4
         2014-12-31 2014-06-19       5
12345678 2014-12-31 2014-07-17       3
         2014-12-31 2014-08-14       5
87482X10 2015-12-31 2014-04-17       1
         2015-12-31 2014-05-15       2
         2015-12-31 2014-06-19       3
12345678 2015-12-31 2014-07-17       4
         2015-12-31 2014-08-14       5

对于CUSIP和FPEDATS的每个组合，我感兴趣的是：

我们只能保留一个带有最大日期戳的那个并删除其他行吗？（基本上由最大的STATPERS过滤）
我们可以计算每个指数组合的NUMEST值的平均值，保存或用它替换当前数据吗？
可以指定一个新属性，例如＆＃34; price＆＃34;这是CUSIP和FPEDATS的每个组合所共有的。

对于2，我的意思是：

                      STATPERS    NUMEST
CUSIP    FPEDATS
12345678 2014-12-31 2014-08-14      5
         2015-12-31 2014-08-14      5
87482X10 2014-12-31 2014-06-19      5
         2015-12-31 2014-06-19      3

对于3，我的意思是我想要像

                      STATPERS  NUMEST  Price
CUSIP    FPEDATS                      
87482X10 2014-12-31 2014-04-17       4   2
         2014-12-31 2014-05-15       4   2
         2014-12-31 2014-06-19       5   2
12345678 2014-12-31 2014-07-17       3   4
         2014-12-31 2014-08-14       5   4
87482X10 2015-12-31 2014-04-17       1   5
         2015-12-31 2014-05-15       2   5
         2015-12-31 2014-06-19       3   5
12345678 2015-12-31 2014-07-17       4   7
         2015-12-31 2014-08-14       5   7

当我只想解析[（＆＃34; CUSIP＆＃34;，＆＃34; FPEDATS＆＃34;，＆＃34; PRICE＆＃34;）]（作为元组或熊猫系列的列表））？有没有一种光滑的方式呢？

到目前为止，我想出解决所有这些问题的唯一方法是在csv包中使用csv reader来读取csvs，然后将所有内容都恢复为panda格式。我希望有一种更简单的方法。

更新：我通过MultiIndexing方法设法做到了2。基本上使用

c = analyst_file.groupby(["CUSIP", "FPEDATS"])["STATPERS"].max()

然后我们将这些索引写为元组列表并使用切片。还是想做一些更光滑的事情。

Answer 1

假设我们有以下DF：

In [193]: df
Out[193]:
                      STATPERS  NUMEST
CUSIP    FPEDATS
87482X10 2014-12-31 2014-04-17       4
         2014-12-31 2014-05-15       4
         2014-12-31 2014-06-19       5
12345678 2014-12-31 2014-07-17       3
         2014-12-31 2014-08-14       5
87482X10 2015-12-31 2014-04-17       1
         2015-12-31 2014-05-15       2
         2015-12-31 2014-06-19       3
12345678 2015-12-31 2014-07-17       4
         2015-12-31 2014-08-14       5

我们可以做到以下几点：

In [192]: df.groupby(level=[0,1]).agg({'STATPERS':'max','NUMEST':'mean'})
Out[192]:
                      STATPERS    NUMEST
CUSIP    FPEDATS
12345678 2014-12-31 2014-08-14  4.000000
         2015-12-31 2014-08-14  4.500000
87482X10 2014-12-31 2014-06-19  4.333333
         2015-12-31 2014-06-19  2.000000

PS请详细说明common to each combination of CUSIP and FPEDATS - 它不清楚......

pandas操作中具有相同索引列的多个条目

1 个答案: