将具有多索引的每日数据框转换为季度数据框

小能豆

将具有多索引的每日数据框转换为季度数据框

我想将每日股票数据转换为季度数据。但是，使用重新采样不起作用，因为我有一个多索引，所以我希望最终的季度数据仍然包含单个股票（重新采样只是总结所有股票）：

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

当我使用重新采样时，我得到：

Q42016  0.2

另外，我被 Pandas 0.18 困住了（说来话长）。任何帮助我都感激不尽。

阅读 5

2025-01-14

共1个答案

小能豆

第一个想法是DatetimeIndex通过转换ticker为列来创建，然后groupby使用resample：

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

另一个解决方案是Grouper：

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

对于季度期间，使用assign，to_period然后按以下方式聚合groupby：

df1 = (df1.reset_index()
          .assign(date = lambda x: x['date'].dt.to_period('Q'))
          .groupby(['date','ticker'])
          .mean())
print (df1)
               returns
date   ticker         
2016Q4 amzn        0.2
       ge          0.2
       jpm         0.2

2025-01-14