Question

这是大小均为0.02的买卖订单。但是它们被分割成更少的部分，因此每个订单现在占据多于一行。我要合并属于同一顺序的行。

“时间”列为每个订单提供唯一的时间戳。因此，我们可以看到4个订单

订单1是第3、4行
顺序2是第5、6、7行
订单3是第8、9行
顺序4是第10、11、12行

原始DataFrame：

| 1| Time      | Market    | Type  | Price    | Amount  | Total     | Fee      | Acc     |
| 2|-----------|-----------|-------|----------|---------|-----------|----------|---------|
| 3| 17:59:31  | Market 1  | Buy   | 1207.55  | 0.0198  | 13.07451  | 0.00989  | MXG 36  |
| 4| 17:59:31  | Market 1  | Buy   | 1207.20  | 0.0002  | 0.013086  | 0.00005  | MXG 36  |
| 5| 15:42:12  | Market 1  | Sell  | 1146.78  | 0.0100  | 3.073645  | 0.00232  | MXG 36  |
| 6| 15:42:12  | Market 1  | Sell  | 1147.44  | 0.0058  | 8.005802  | 0.00746  | MXG 36  |
| 7| 15:42:12  | Market 1  | Sell  | 1147.91  | 0.0042  | 2.000000  | 0.00993  | MXG 36  |
| 8| 12:05:45  | Market 1  | Buy   | 1355.20  | 0.0077  | 7.433008  | 0.00050  | MXG 36  |
| 9| 12:05:45  | Market 1  | Buy   | 1355.00  | 0.0123  | 5.833023  | 0.00755  | MXG 36  |
|10| 10:22:17  | Market 1  | Sell  | 1002.07  | 0.0010  | 0.373225  | 0.00238  | MXG 36  |
|11| 10:22:17  | Market 1  | Sell  | 1001.35  | 0.0055  | 10.00000  | 0.00003  | MXG 36  |
|12| 10:22:17  | Market 1  | Sell  | 1001.20  | 0.0135  | 3.001038  | 0.00330  | MXG 36  |

所需的最终结果：

| 1| Time      | Market    | Type  | Price     | Amount  | Total     | Fee      | Acc     |
| 2|-----------|-----------|-------|-----------|---------|-----------|----------|---------|
| 3| 17:59:31  | Market 1  | Buy   | avg price | 0.0200  | 13.087596 | 0.01039  | MXG 36  |
| 4| 15:42:12  | Market 1  | Sell  | avg price | 0.0200  | 13.079447 | 0.01971  | MXG 36  |
| 5| 12:05:45  | Market 1  | Buy   | avg price | 0.0200  | 13.266031 | 0.00805  | MXG 36  |
| 6| 10:22:17  | Market 1  | Sell  | avg price | 0.0200  | 13.374263 | 0.00598  | MXG 36  |

所以这里所做的大致如下：

“价格”列：我们可以忽略。理想情况下，我想找到基于“金额”列的平均加权价格，但要保留简单的让我们暂时忽略它。
“类型”列：需要保持正确的值正确的顺序。
“市场”和“ Acc”列：每行具有相同的值，因此只需变为1行而不是2-3行即可。
“金额”，“总计”和“费用”列：应该是总和，并将它们相加在一起

我最近得到的是：

df.pivot_table(index= 'Time', values = ['Amount', 'Total', 'Fee'], aggfunc = 'sum')

| 1|           | Amount  | Total     | Fee       |
| 2| Time      |         |           |           |
| 3|-----------|---------|-----------|-----------|
| 4| 17:59:31  | 0.0200  | 'correct' | 'correct' |
| 5| 15:42:12  | 0.0200  | 'correct' | 'correct' |
| 6| 12:05:45  | 0.0200  | 'correct' | 'correct' |
| 7| 10:22:17  | 0.0200  | 'correct' | 'correct' |

“正确的”单元格只是为了节省自己的时间（创建表非常耗时：P）。但是它们显示出预期的结果。但是所有其他列都丢失了，包括“类型”列，该列的数据包含需要遵循每个订单的“购买”或“出售”数据。

Answer 1

IIUC，我将groupby与agg中的字典一起使用，像这样：

d_agg = {'Market':'first'
        ,'Type':'first'
        ,'Price':'mean'
        ,'Amount':'sum'
        ,'Total':'sum'
        ,'Fee':'sum'
        ,'Acc':'first'}
df.groupby('Time', sort=False)['Market','Type','Price','Amount','Total','Fee','Acc']\
  .agg(d_agg).reset_index()

输出：

          Time       Market     Type        Price  Amount      Total      Fee        Acc
0   17:59:31     Market 1     Buy     1207.375000    0.02  13.087596  0.00994   MXG 36  
1   15:42:12     Market 1     Sell    1147.376667    0.02  13.079447  0.01971   MXG 36  
2   12:05:45     Market 1     Buy     1355.100000    0.02  13.266031  0.00805   MXG 36  
3   10:22:17     Market 1     Sell    1001.540000    0.02  13.374263  0.00571   MXG 36

您可以将pivot_table与字典一起使用，以定义如何进行这样的聚合：

d_agg = {'Price':'mean'
        ,'Amount':'sum'
        ,'Total':'sum'
        ,'Fee':'sum'}

df.pivot_table(index=['Time','Market','Type','Acc'], 
               values = ['Amount', 'Total', 'Fee','Price'], 
               aggfunc = d_agg)\
  .reset_index()

输出：

          Time       Market     Type        Acc  Amount      Fee        Price      Total
0   10:22:17     Market 1     Sell     MXG 36      0.02  0.00571  1001.540000  13.374263
1   12:05:45     Market 1     Buy      MXG 36      0.02  0.00805  1355.100000  13.266031
2   15:42:12     Market 1     Sell     MXG 36      0.02  0.01971  1147.376667  13.079447
3   17:59:31     Market 1     Buy      MXG 36      0.02  0.00994  1207.375000  13.087596

Answer 2

尝试在初始数据帧上合并数据透视表的结果：

df = pd.merge(df, 
     df.pivot_table(index= 'Time', 
                    values = ['Amount', 'Total', 'Fee'], 
                    aggfunc = 'sum'), 
     how = 'outer')

如果这不是您想要的（如标题所示，但您的问题有些困惑），也许您只是从数据透视表中的列计算平均加权价格。

Python-Pandas：买卖订单分为多行，我想将其合并回1行。这样1个订单= 1行

2 个答案: