104

我在 IPython 中有以下数据框，其中每一行都是一只股票：

In [261]: bdata
Out[261]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 21210 entries, 0 to 21209
Data columns:
BloombergTicker      21206  non-null values
Company              21210  non-null values
Country              21210  non-null values
MarketCap            21210  non-null values
PriceReturn          21210  non-null values
SEDOL                21210  non-null values
yearmonth            21210  non-null values
dtypes: float64(2), int64(1), object(4)

我想应用一个 groupby 操作来计算“年月”列中每个日期的所有事物的上限加权平均回报。

这按预期工作：

In [262]: bdata.groupby("yearmonth").apply(lambda x: (x["PriceReturn"]*x["MarketCap"]/x["MarketCap"].sum()).sum())
Out[262]:
yearmonth
201204      -0.109444
201205      -0.290546

但随后我想将这些值“广播”回原始数据框中的索引，并将它们保存为日期匹配的常量列。

In [263]: dateGrps = bdata.groupby("yearmonth")

In [264]: dateGrps["MarketReturn"] = dateGrps.apply(lambda x: (x["PriceReturn"]*x["MarketCap"]/x["MarketCap"].sum()).sum())
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
/mnt/bos-devrnd04/usr6/home/espears/ws/Research/Projects/python-util/src/util/<ipython-input-264-4a68c8782426> in <module>()
----> 1 dateGrps["MarketReturn"] = dateGrps.apply(lambda x: (x["PriceReturn"]*x["MarketCap"]/x["MarketCap"].sum()).sum())

TypeError: 'DataFrameGroupBy' object does not support item assignment

我意识到这个幼稚的任务不应该奏效。但是，将 groupby 操作的结果分配到父数据帧上的新列中的“正确”Pandas 习语是什么？

最后，我想要一个名为“MarketReturn”的列，而不是所有具有与 groupby 操作输出匹配的日期的索引的重复常量值。

实现此目的的一种方法如下：

marketRetsByDate  = dateGrps.apply(lambda x: (x["PriceReturn"]*x["MarketCap"]/x["MarketCap"].sum()).sum())

bdata["MarketReturn"] = np.repeat(np.NaN, len(bdata))

for elem in marketRetsByDate.index.values:
    bdata["MarketReturn"][bdata["yearmonth"]==elem] = marketRetsByDate.ix[elem]

但这是缓慢、糟糕且不符合 Python 标准的。

4

5 回答 5

83 
In [97]: df = pandas.DataFrame({'month': np.random.randint(0,11, 100), 'A': np.random.randn(100), 'B': np.random.randn(100)})

In [98]: df.join(df.groupby('month')['A'].sum(), on='month', rsuffix='_r')
Out[98]:
           A         B  month       A_r
0  -0.040710  0.182269      0 -0.331816
1  -0.004867  0.642243      1  2.448232
2  -0.162191  0.442338      4  2.045909
3  -0.979875  1.367018      5 -2.736399
4  -1.126198  0.338946      5 -2.736399
5  -0.992209 -1.343258      1  2.448232
6  -1.450310  0.021290      0 -0.331816
7  -0.675345 -1.359915      9  2.722156
于 2012-08-30T16:47:17.243 回答
62

虽然我仍在探索apply连接给出的片段的所有非常聪明的方法，但这是在 groupby 操作之后在父级中添加新列的另一种方法。

In [236]: df
Out[236]: 
  yearmonth    return
0    201202  0.922132
1    201202  0.220270
2    201202  0.228856
3    201203  0.277170
4    201203  0.747347

In [237]: def add_mkt_return(grp):
   .....:     grp['mkt_return'] = grp['return'].sum()
   .....:     return grp
   .....: 

In [238]: df.groupby('yearmonth').apply(add_mkt_return)
Out[238]: 
  yearmonth    return  mkt_return
0    201202  0.922132    1.371258
1    201202  0.220270    1.371258
2    201202  0.228856    1.371258
3    201203  0.277170    1.024516
4    201203  0.747347    1.024516
于 2012-09-08T17:33:00.997 回答
46

作为使用 groupby() 时的一般规则，如果您使用 .transform() 函数，pandas 将返回一个与原始长度相同的表。当您使用 .sum() 或 .first() 等其他函数时，pandas 将返回一个表，其中每一行都是一个组。

我不确定这如何与 apply 一起工作，但使用 transform 实现复杂的 lambda 函数可能相当棘手，因此我发现最有用的策略是创建我需要的变量，将它们放在原始数据集中，然后在那里执行我的操作。

如果我了解您首先要正确执行的操作，则可以计算每个组的总市值：

bdata['group_MarketCap'] = bdata.groupby('yearmonth')['MarketCap'].transform('sum')

这将在您的原始数据中添加一个名为“group_MarketCap”的列，其中包含每个组的市值总和。然后你可以直接计算加权值：

bdata['weighted_P'] = bdata['PriceReturn'] * (bdata['MarketCap']/bdata['group_MarketCap'])

最后，您将使用相同的变换函数计算每个组的加权平均值：

bdata['MarketReturn'] = bdata.groupby('yearmonth')['weighted_P'].transform('sum')

我倾向于以这种方式构建我的变量。有时您可以将所有内容放在一个命令中，但这并不总是与 groupby() 一起使用，因为大多数时候 pandas 需要实例化新对象才能在整个数据集范围内对其进行操作（即，您不能如果两列尚不存在，则将两列加在一起）。

希望这可以帮助 ：）

于 2016-08-19T00:08:08.797 回答
25

我可以建议transform方法（而不是聚合）吗？如果您在原始示例中使用它，它应该做您想做的事情（广播）。

于 2012-09-08T22:35:52.577 回答
1

我没有找到分配给原始数据框的方法。所以我只是存储组的结果并将它们连接起来。然后我们通过索引对连接的数据帧进行排序，得到原始顺序作为输入数据帧。这是一个示例代码：

In [10]: df = pd.DataFrame({'month': np.random.randint(0,11, 100), 'A': np.random.randn(100), 'B': np.random.randn(100)})

In [11]: df.head()
Out[11]:
   month         A         B
0      4 -0.029106 -0.904648
1      2 -2.724073  0.492751
2      7  0.732403  0.689530
3      2  0.487685 -1.017337
4      1  1.160858 -0.025232

In [12]: res = []

In [13]: for month, group in df.groupby('month'):
    ...:     new_df = pd.DataFrame({
    ...:         'A^2+B': group.A ** 2 + group.B,
    ...:         'A+B^2': group.A + group.B**2
    ...:     })
    ...:     res.append(new_df)
    ...:

In [14]: res = pd.concat(res).sort_index()

In [15]: res.head()
Out[15]:
      A^2+B     A+B^2
0 -0.903801  0.789282
1  7.913327 -2.481270
2  1.225944  1.207855
3 -0.779501  1.522660
4  1.322360  1.161495

这种方法非常快速且可扩展。您可以在这里派生任何特征。

注意：如果数据框太大，concat可能会导致您的 MMO 错误。

于 2020-04-12T11:57:45.797 回答