python – 分组后的变化率Pandas Data Frame

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 分组后的变化率Pandas Data Frame，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1507字，纯文字阅读大概需要3分钟。

内容图文

我是python pandas的新手,并且一直试图使用pct_change()来获得回报率.我想通过feedcode获得每月变化率.
这是我目前的代码：

In [134]:
df3 = pd.read_csv(r'C:\Users\sector_set.csv')
df3.set_index('Date', inplace= True)
df3= pd.DataFrame(df3,columns = ['Feed','Close']) # filter specific col?
grouped = df3.groupby('Feed')  #group by Feedcode
df3 = grouped.resample('BM', how=lambda x:x[-1]) #ending of every month only
df3['Rate_Return'] = df3.pct_change()  # Rate of Return of each feedcode
df3

OUTPUT:
                   Close  Rate_Return
Feed   Date
   A   2015-09-30  5.60     NaN 
       2015-10-30  5.75    0.026786  
  AAV  2015-09-30  4.32   -0.248696
       2015-10-30  4.62    0.069444

我有两个问题：

>计算的回报率不正确,因为它参考前一天的饲料代码价格来计算下一个饲料代码的回报.例如,Feed AAV 2015-09-30应该是NaN而不是-0.248696
>我想删除所有NaN

我试图计算返回值来得到这样的东西：

Output:
                   Close  Rate_Return
Feed   Date
   A   2015-10-30  5.75    0.026786  
  AAV  2015-10-30  4.32    0.069444

这样做的最佳方式是什么？
在此先感谢您的帮助

解决方法:

IIUC你需要groupby by feed from multiindex并应用pct_change.然后你可以使用df3的子集,其中列Rate_Return不是空的

df3['Rate_Return'] = df3.groupby(level=0).pct_change() 
print df3
                 Close  Rate_Return
Feed Date                          
A    2015-09-30   5.60          NaN
     2015-10-30   5.75     0.026786
AAV  2015-09-30   4.32          NaN
     2015-10-30   4.62     0.069444

print df3[df3.Rate_Return.notnull()]
                 Close  Rate_Return
Feed Date                          
A    2015-10-30   5.75     0.026786
AAV  2015-10-30   4.62     0.069444

内容总结

以上是互联网集市为您收集整理的python – 分组后的变化率Pandas Data Frame全部内容，希望文章能够帮你解决python – 分组后的变化率Pandas Data Frame所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端