這就是我的資料框的樣子：
datetime open high low close
2006-01-02 4566.95 4601.35 4542.00 4556.25
2006-01-03 4531.45 4605.45 4531.45 4600.25
2006-01-04 4619.55 4707.60 4616.05 4694.14
.
.
.
需要以百分比計算每月回報
Formula: (Month Closing Price - Month Open Price) / Month Open Price
我似乎無法獲得一個月的開盤價和收盤價，因為在我的 df 中，大多數月份都沒有該月 1 日的日志。所以計算起來有困難。
任何幫助將不勝感激！
uj5u.com熱心網友回復：
您需要使用groupbyandagg函式來獲取每個月每列的第一個和最后一個值：
import pandas as pd
df = pd.read_csv("dt.txt")
df["datetime"] = pd.to_datetime(df["datetime"])
df.set_index("datetime", inplace=True)
resultDf = df.groupby([df.index.year, df.index.month]).agg(["first", "last"])
resultDf["new_column"] = (resultDf[("close", "last")] - resultDf[("open", "first")])/resultDf[("open", "first")]
resultDf.index.rename(["year", "month"], inplace=True)
resultDf.reset_index(inplace=True)
resultDf
上面的代碼將生成一個具有多索引列的資料框。因此，例如，如果您想獲取 2010 年的行，您可以執行以下操作：
resultDf[resultDf["year"] == 2010]
uj5u.com熱心網友回復：
您可以創建自定義分組器，如下所示：
import pandas as pd
import numpy as np
from io import StringIO
csvfile = StringIO(
"""datetime\topen\thigh\tlow\tclose
2006-01-02\t4566.95\t4601.35\t4542.00\t4556.25
2006-01-03\t4531.45\t4605.45\t4531.45\t4600.25
2006-01-04\t4619.55\t4707.60\t4616.05\t4694.14""")
df = pd.read_csv(csvfile, sep = '\t', engine='python')
df.datetime = pd.to_datetime(df.datetime, format = "%Y-%m-%d")
dg = df.groupby(pd.Grouper(key='datetime', axis=0, freq='M'))
然后每組 dg 按月份分開，并且由于我們將 datetime 轉換為 pandas.datetime 我們可以對其使用經典算術：
def monthly_return(datetime, close_value, open_value):
index_start = np.argmin(datetime)
index_end = np.argmax(datetime)
return (close_value[index_end] - open_value[index_start]) / open_value[index_start]
dg.apply(lambda x : monthly_return(x.datetime, x.close, x.open))
Out[97]:
datetime
2006-01-31 0.02785
Freq: M, dtype: float64
當然，可以使用純函式方法而不是使用monthly_return函式
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/451458.html