问题＃1

Question

以下是我的数据框。它有多个股票。我试图从这些数据中找出两件事。

1）如何找到所有股票的最小/最大相对波动率的日期。这意味着具有相应日期的每只股票的最大和最小相对波动率。

         Stock   Date              relativevolatility
0        AA.csv 2012-12-31            0.024419
1        AA.csv 2012-12-28            0.012888
2        AA.csv 2012-12-27            0.026482
3        AA.csv 2012-12-26            0.018423
4        AA.csv 2012-12-24            0.013994
5        AA.csv 2012-12-21            0.017422
6        AA.csv 2012-12-20            0.011541
7        AA.csv 2012-12-19            0.026316
8        AA.csv 2012-12-18            0.018120
9        AA.csv 2012-12-17            0.019406
10       AA.csv 2012-12-14            0.018454
11       AA.csv 2012-12-13            0.017411
12       AA.csv 2012-12-12            0.012673
13       AA.csv 2012-12-11            0.019699
14       AA.csv 2012-12-10            0.016442
15       AA.csv 2012-12-07            0.016403
16       AA.csv 2012-12-06            0.014011
17       AA.csv 2012-12-05            0.022340
18       AA.csv 2012-12-04            0.016677
19       AA.csv 2012-12-03            0.011862
20       AA.csv 2012-11-30            0.015458
21       AA.csv 2012-11-29            0.017794
22       AA.csv 2012-11-28            0.030102
23       AA.csv 2012-11-27            0.016888
24       AA.csv 2012-11-26            0.012019
25       AA.csv 2012-11-23            0.010791
26       AA.csv 2012-11-21            0.012092
27       AA.csv 2012-11-20            0.020544
28       AA.csv 2012-11-19            0.016857
29       AA.csv 2012-11-16            0.027044
        ...        ...                 ...
70666  ZION.csv 2012-02-15            0.018929
70667  ZION.csv 2012-02-14            0.016287

尝试＃1 df2.groupby（[＆＃39;日期＆＃39;＆＃39;库存＆＃39;]）[＆＃39; relativevolatility＆＃39]。。总和（）idxmax（）

这给了我一个时间/股票，但只有一个股票，我不确定我甚至得到该股票的最大相对波动率。

尝试＃2 new.groupby（[＆＃39; Stock＆＃39;]）[＆＃39; relativevolatility＆＃39;]。agg（[pd.np.min，pd.np.max]）

这给了我所有股票的最小值/最大值，但我无法弄清楚如何为每只股票的最小值和最大值添加一列。

问题＃1

如何打印一张表格，其中列出了所有股票的最小/最大相对波动率以及股票的最小值/最大值发生日期？

问题＃2

如何找到平均相对波动率，但是对于所有股票，每周的每一天都是如此？

Answer 1

您需要idxmax idxmin然后concat：

#if necessary
#df['Date'] = pd.to_datetime(df['Date'])

df1 = df.loc[df.groupby('Stock')['relativevolatility'].idxmin()].set_index('Stock')
df2 = df.loc[df.groupby('Stock')['relativevolatility'].idxmax()].set_index('Stock')

df = pd.concat([df1, df2], axis=1, keys=('min','max'))
df.columns = df.columns.map('_'.join)
print (df)
           min_Date  min_relativevolatility   max_Date  max_relativevolatility
Stock                                                                         
AA.csv   2012-11-23                0.010791 2012-11-28                0.030102
ZION.csv 2012-02-14                0.016287 2012-02-15                0.018929

和weekday_name汇总mean：

df = (df.groupby(['Stock', df['Date'].dt.weekday_name])['relativevolatility']
        .mean()
        .reset_index(name='means'))
print (df)
      Stock       Date     means
0    AA.csv     Friday  0.016923
1    AA.csv     Monday  0.016428
2    AA.csv   Thursday  0.017448
3    AA.csv    Tuesday  0.018386
4    AA.csv  Wednesday  0.020324
5  ZION.csv    Tuesday  0.016287
6  ZION.csv  Wednesday  0.018929

如何使用groupby和日期查找最大/最小值？

问题＃1

问题＃2

1 个答案: