Question

我有DataFrame，其中4个唯一的订单分为3-12行。正如您在下面的步骤1、2和3中看到的那样，我正在使用groupby使其具有1个订单= 1行。

但是，我缺少一个关键步骤，无法计算每个订单的加权平均价格。目前，第2步正在计算平均价格。

我想做什么：

创建一个可以计算每个订单的加权平均价格的函数/ lambda（可能基于groupby“时间”列）。

订单1 =第3、4行
第2阶=第5、6、7行
第3阶=第8、9行
第4阶=第10、11、10行

加权平均价格公式 =（（第一价格*金额）+（第二价格*金额））/总额

订单1的加权平均价格=（（660.33 * 0.0130）+（659.58 * 0.0070））/ 0.02 = 660.06750

步骤1-原始数据框：

| 1| Time      | Market    | Type  | Price    | Amount  | Total    | Fee      | Acc     |
| 2|-----------|-----------|-------|----------|---------|----------|----------|---------|
| 3| 22:12:15  | Market 1  | Buy   | 660.33   | 0.0130  | 8.58429  | 0.00085  | MXG_33  |
| 4| 22:12:15  | Market 1  | Buy   | 659.58   | 0.0070  | 4.61706  | 0.00055  | MXG_33  |
| 5| 19:36:08  | Market 1  | Sell  | 670.00   | 0.0082  | 5.49400  | 0.00070  | MXG_33  |
| 6| 19:36:08  | Market 1  | Sell  | 670.33   | 0.0058  | 3.88791  | 0.00048  | MXG_33  |
| 7| 19:36:08  | Market 1  | Sell  | 671.23   | 0.0060  | 4.02738  | 0.00054  | MXG_33  |
| 8| 13:01:41  | Market 1  | Buy   | 667.15   | 0.0015  | 1.00073  | 0.00011  | MXG_33  |
| 9| 13:01:41  | Market 1  | Buy   | 667.10   | 0.0185  | 12.3414  | 0.00132  | MXG_33  |
|10| 07:14:36  | Market 1  | Sell  | 657.55   | 0.0107  | 7.03579  | 0.00079  | MXG_33  |
|11| 07:14:36  | Market 1  | Sell  | 657.08   | 0.0005  | 0.32854  | 0.00004  | MXG_33  |
|12| 07:14:36  | Market 1  | Sell  | 656.59   | 0.0088  | 5.77799  | 0.00071  | MXG_33  |

第2步：将订单重新合并到1列pr订单中：

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())

第3步-最终结果：（但“价格”列显示的是平均价格，而不是加权平均价格）。

| 1| Time      | Market    | Type  | Price    | Amount  | Total     | Fee      | Acc     |
| 2|-----------|-----------|-------|----------|---------|-----------|----------|---------|
| 3| 22:12:15  | Market 1  | Buy   | 659.955  | 0.0200  | 13.20135  | 0.00140  | MXG_33  |
| 4| 19:36:08  | Market 1  | Sell  | 670.520  | 0.0200  | 13.40929  | 0.00172  | MXG_33  |
| 5| 13:01:41  | Market 1  | Buy   | 667.125  | 0.0200  | 13.34213  | 0.00242  | MXG_33  |
| 6| 07:14:36  | Market 1  | Sell  | 657.073  | 0.0200  | 13.14232  | 0.00154  | MXG_33  |

Answer 1

groupby对象的.apply方法将允许您在组级别处理数据并返回数据框。

def fn(group):
    group['weighted_avg'] = group['Price'] * group['Amount'] / group['Amount'].sum()
    return group

d_agg = {'Market':'first'
,'Type':'first'
,'weighted_avg':'sum'
,'Amount':'sum'
,'Total':'sum'
,'Fee':'sum'
,'Acc':'first'}

df.groupby('Time', sort=False).apply(fn).groupby('Time').agg(d_agg)

# if you don't understand what the code is doing, try:
print(df.groupby('Time', sort=False).apply(fn))

熊猫：Calc。加权平均价格，使用groupby / lambda还是函数？

1 个答案: