0

这个问题是pandas re-indexing with missing dates的延续

我想计算最近 3 个月(2015-12、2015-11、2015-10)的值的总和。如果股票没有足够的数据,即 3 个月中没有、1 或 2 个,那么我希望该总和的值为 NaN。

我可以按和求和进行分组,但这并没有给我我想要的,因为它可能排除了在这三个月期间没有任何数据的股票,然后不考虑有 1 或 2 的股票个月。

我想我需要一个 multi loc 语句,但我已经修补过并且无法获得我想要的结果。

df2.loc[idx[:,datetime.date(2015,10,1):datetime.date(2015,12,1)],:].groupby(level=0).sum()
4

2 回答 2

0

更新:

使用以下数据框:

df = pd.DataFrame({
'value' : [4,2,5,6,7,8,6,5,4,1,2,4],
'date': fread_year_month(dt.datetime(2015, 1, 1),dt.datetime(2015, 12, 1)),
'stock': ['amzn']*12
},columns=[
'value', 'date', 'stock'] )

df2 = pd.DataFrame({
'value' : [1]*11,
'date': fread_year_month(dt.datetime(2015, 1, 1),dt.datetime(2015, 11, 1)),
'stock': ['msft']*11
},columns=[
'value', 'date', 'stock'] )

df = df.append(df2)

df.set_index(['stock', 'date'], inplace=True)

我做了以下事情:

In [1]: idx = pd.IndexSlice
​In [2]: criterion = df.loc[idx[:,'2015-10-01':'2015-12-01'],:].\
groupby(level=0).agg(['count']) > 2
In [3]: criterion = criterion['value']['count']
In [4]: df2 = df.loc[idx[:,'2015-10-01':'2015-12-01'],:].groupby(level=0).sum()
​In [5]: df3 = pd.DataFrame(columns=['value'], index=criterion[criterion==False].index)
In [6]: df2[criterion].append(df3, ignore_index=False)

Out[6]:
value
stock   
amzn    7
msft    NaN

在此示例中,MSFT 没有 2015-12 年的数据(它只有 3 个月中的 2 个月),因此根据我的要求将其值设置为 NaN。

于 2016-03-29T01:47:07.987 回答
0

尝试这个:

In [142]: df
Out[142]:
    value       date stock
0       4 2015-01-01  amzn
1       2 2015-02-01  amzn
2       5 2015-03-01  amzn
3       6 2015-04-01  amzn
4       7 2015-05-01  amzn
5       8 2015-06-01  amzn
6       6 2015-07-01  amzn
7       5 2015-08-01  amzn
8       4 2015-09-01  amzn
9       1 2015-10-01  amzn
10      2 2015-11-01  amzn
11      4 2015-12-01  amzn
12      7 2015-12-02  amzn

In [143]: df[(df['date'] >= pd.to_datetime('2015-10-01'))].groupby(df['date'].dt.month).sum()
Out[143]:
      value
date
10        1
11        2
12       11

注意:我特意在您的 DF 中添加了一行,以便至少有一个月的时间超过一行

In [141]: df.loc[12] = [7, pd.to_datetime('2015-12-02'), 'amzn']
于 2016-03-25T19:43:48.120 回答