我想将股票数据的每日数据框转换为季度数据框。但是,使用重新采样无法正常工作,因为我有一个多重指数,所以我希望我的最终季度数据框架仍包含单个股票(重新采样只是将所有股票汇总):
import pandas as pd
dict1 = [
{'ticker':'jpm','date': '2016-11-27','returns': 0.2},
{'ticker':'jpm','date': '2016-11-28','returns': 0.2},
{'ticker':'ge','date': '2016-11-27','returns': 0.2},
{'ticker':'ge','date': '2016-11-28','returns': 0.2},
{'ticker':'amzn','date': '2016-11-27','returns': 0.2},
{'ticker':'amzn','date': '2016-11-28','returns': 0.2},
]
df1= pd.DataFrame(dict1)
df1['date'] = pd.to_datetime(df1['date'])
df1=df1.set_index(['date','ticker'], drop=True)
我的最终结果应该是:
Q42016 JPM 0.2
Q42016 GE 0.2
Q42016 AMZ 0.2
当我使用重采样时,我得到:
Q42016 0.2
[此外,我还坚持使用熊猫0.18(长话来说)。任何帮助表示赞赏。
首先想到的是通过将DatetimeIndex
转换为列来创建ticker
,然后将groupby
与resample
结合使用:
resample
具有df1 = df1.reset_index('ticker').groupby('ticker').resample('Q').mean()
print (df1)
returns
ticker date
amzn 2016-12-31 0.2
ge 2016-12-31 0.2
jpm 2016-12-31 0.2
的另一种解决方案:
Grouper
对于四分之一期间,将Grouper
与df1 = df1.groupby([pd.Grouper(freq='Q', level='date'), 'ticker']).mean()
print (df1)
returns
date ticker
2016-12-31 amzn 0.2
ge 0.2
jpm 0.2
一起使用,然后按assign
进行汇总:
assign