Pandas Groupby和Multi-indexing

Question

我的csv文件中有一个数据框' df '（附加链接）： https://drive.google.com/open?id=1UiarOKWJo3HcdA1lh5EcR5lrtSjCOtAX

我将以下函数应用于上面的df：`

def createKeys(df):
    df.sort_values(by = ['KEY'], inplace = True)
    df['Whatever'] = df['KEY'].apply(lambda x: x.split("_")[0] + "_" + x.split("_")[1])
    df['STRIKE_PRICE'] = df['KEY'].apply(lambda x: float(x.split("_")[2]))
    df['STRIKE_PR'] = df['STRIKE_PRICE']
    df['OPTION_TYP'] = df['KEY'].apply(lambda x: x.split("_")[3])
    df.set_index(keys = ['Whatever','OPTION_TYP'], inplace= True)
    return df

df= createKeys(df)

我得到以下数据框（图片中没有一些列 - 表的水平长度＆gt;图像的剪辑大小）：

对于“KEY”（索引）中的每个键，我想要“STRIKE_PR”列中的所有执行价格（图像中不存在）并分别对“CE”和“PE”选项类型执行操作（对于所有这些罢工）。

EG。假设我有1260 CE，1260 PE，1280 CE，1280 PE，1300 CE，1300 PE为key ='ACC_JUL-2018' 我想过滤掉CE组的这些罢工[1260,1280,1300]并对这些罢工采取行动。同样适用于PE。你能帮帮我吗？ 提前谢谢。

Answer 1

这是我要做的。首先，我将为我的1280 1260等创建一个特定列。让我们称之为KEY2

def split(s):
    return(s.split("_")[2])

df["key2"] = df["KEY"].apply(split)

然后，我会分割我的数据帧以分别执行操作。假设你想找到PE的keys2的中位数，你会说

df[(df["option_TYP"]=="PE")]["key2"].median