比较多索引数据框中的列，使用结果创建新的 df

Question

假设我有这个 df：

import pandas as pd
import numpy as np

# Sample MultiIndex DataFrame
index = pd.date_range('2023-01-01', '2023-01-05', freq='D')
codes = ['A', 'B', 'C']
columns = pd.MultiIndex.from_product([['MA1', 'MA2', 'MA3', 'MA4', 'MA5'], codes], names=['MA', 'code'])

data = np.random.randint(1, 10, size=(len(index), len(columns)))
df = pd.DataFrame(data, index=index, columns=columns)
df

索引是日期时间，在多索引列上，级别 0 由 5 个不同的移动平均线 (MA1 - MA5) 组成，级别 1 由 3 个代码（A、B 和 C）组成。 （真正的df要大得多）

我尝试将 MA1 的 A、B 和 C 值与 MA2、MA3、MA4 和 MA5 中的每一个进行比较，并创建一个 new_df。

new_df 将具有相同的日期时间索引，以及相同的多索引列（A、B 和 C）的级别 1，但级别 0 将不同：'MA1>MA2'、'MA1>MA3'、'MA1>MA4 ', 'MA1>MA5'.

new_df 将由 1、-1 和 0 组成。如果值 >，则为 1；如果 <, and 0 if same.

，则为 -1

因此，对于每个日期，new_df 的第一个 0 级列（'MA1>MA2'）会将 A B 和 C 的 MA1 值与其 MA2 值进行比较，得出 1、-1 或 0。

new_df 的第二级 0 列（'MA1>MA3'）将比较 A、B 和 c 的 MA1 值与 MA3 值等

我遇到了无效索引错误，试图获取正确的切片进行比较......任何人都可以帮忙吗？

谢谢！

Answer 1

您可以从

MA1

中减去数据框中的所有内容，根据需要重命名列，然后将减法结果与 0 进行比较以生成所需的结果：

def compare_zero(x):
    return 1 if x > 0 else -1 if x < 0 else 0

out = (df.loc[:,'MA1'] - df).drop(columns='MA1')
out.columns = pd.MultiIndex.from_tuples([(f'MA1>{a}',b) for a,b in out.columns], names=out.columns.names)
out = out.applymap(compare_zero)

对于我的样本数据

MA         MA1       MA2       MA3       MA4       MA5
code         A  B  C   A  B  C   A  B  C   A  B  C   A  B  C
2023-01-01   5  6  5   4  6  8   7  3  8   9  8  2   3  1  6
2023-01-02   9  7  3   5  3  7   4  9  5   6  8  7   9  3  4
2023-01-03   2  9  4   9  2  5   6  3  4   3  7  3   4  1  8
2023-01-04   7  1  7   9  1  1   6  1  7   1  8  3   2  8  7
2023-01-05   1  6  2   1  8  2   4  9  4   9  9  7   3  1  4

这给出：

MA         MA1>MA2       MA1>MA3       MA1>MA4       MA1>MA5
code             A  B  C       A  B  C       A  B  C       A  B  C
2023-01-01       1  0 -1      -1  1 -1      -1 -1  1       1  1 -1
2023-01-02       1  1 -1       1 -1 -1       1 -1 -1       0  1 -1
2023-01-03      -1  1 -1      -1  1  0      -1  1  1      -1  1 -1
2023-01-04      -1  0  1       1  0  0       1 -1  1       1 -1  0
2023-01-05       0 -1  0      -1 -1 -1      -1 -1 -1      -1  1 -1