我有一个数据框 stockData
。部分示例如下所示:
Name: BBG.XCSE.CARLB.S_LAST_ADJ BBG.XCSE.CARLB.S_FX .....
date
2015-09-11 0.1340 490.763
2015-09-14 0.1340 484.263
2015-09-15 0.1340 484.755
2015-09-16 0.1340 507.703
2015-09-17 0.1340 514.104 .....
每一列都有一个数据类型,dtype:float64
我正在循环一个静态数据数据框,它包含我宇宙中的每个名字,我遍历它,然后每天为每个名字遍历(在这个例子中,名字是 BBG.XCSE.CARLB.S 但有数百个现实中的名字)取“name_LAST_ADJ”列并乘以“name_FX”列。
我使用的代码如下所示:
for i, row in staticData.iterrows():
unique_id = i
#Create new column for the current name that will take the result of the following calculation
stockData[unique_id+"_LAST_ADJ_EUR"] = np.nan
#Perform calculation - this is where I get the KeyError when there is no data in the name_ADJ_LAST column.
stockData[unique_id+"_LAST_ADJ_EUR"] = stockData[unique_id+"_FX"]*stockData[unique_id+"_LAST_ADJ"]
return stockData
但是有时数据不存在(因为没有名称的历史记录)并且我收到一个关键错误,因为名称的列不在数据框中。
使用上面的代码,我试图创建一个名为 name_LAST_ADJ_EUR 的附加列,当有数据时,它应该如下所示:
Name: BBG.XCSE.CARLB.S_LAST_ADJ BBG.XCSE.CARLB.S_FX BBG.XCSE.CARLB.S_LAST_ADJ_EUR
date
2015-09-11 0.1340 490.763 65.762242
2015-09-14 0.1340 484.263 64.891242
2015-09-15 0.1340 484.755 64.95717
2015-09-16 0.1340 507.703 68.032202
2015-09-17 0.1340 514.104 68.889936
当 name_LAST_ADJ 列中没有数据时,是否有办法为该列生成 NaN 输出,因此它看起来像:
Name: BBG.XCSE.CARLB.S_LAST_ADJ_EUR
date
2015-09-11 NaN
2015-09-14 NaN
2015-09-15 NaN
2015-09-16 NaN
2015-09-17 NaN
我试过使用以下方法:
stockData[unique_id+"_LAST_ADJ_EUR"] = np.where((stockData[unique_id+"_LAST_ADJ"] == np.nan),stockData[unique_id+"_LAST_ADJ_EUR"]='NaN',stockData[unique_id+"_LAST_ADJ_EUR"] = stockData[unique_id+"_FX"] * stockData[unique_id+"_LAST_ADJ"])
如果有一个列就好了,但是当没有要引用的列时它会抛出 KeyError 异常。
最佳答案
在您的 for
循环中,尝试添加类似于
for uid, row in staticData.iterrows():
if uid not in stockData.columns:
stockData[uid + "_FX"] = np.nan
stockData[uid + "_LAST_ADJ"] = np.nan
# continue with what you have:
# no longer needed
#stockData[uid+"_LAST_ADJ_EUR"] = np.nan
stockData[uid+"_LAST_ADJ_EUR"] = stockData[uid+"_FX"]*stockData[uid+"_LAST_ADJ"]
虽然在 for
循环中执行它可能是最有效的,但您也可以像这样一次完成所有操作:
stockData = pd.concat([stockData, pd.DataFrame(columns=staticData.index)])
例如:
df = pd.DataFrame(np.random.rand(10, 3), columns=list('abc'))
a b c
0 0.627303 0.183463 0.714470
1 0.458124 0.135907 0.515340
2 0.629373 0.725247 0.306275
3 0.113927 0.259965 0.996407
4 0.321131 0.734002 0.766044
5 0.740858 0.238741 0.531810
6 0.063990 0.974056 0.178260
7 0.977651 0.047287 0.435681
8 0.972060 0.606288 0.600896
9 0.250377 0.807237 0.153419
pd.concat([df, pd.DataFrame(columns=list('abcde'))])
a b c d e
0 0.627303 0.183463 0.714470 NaN NaN
1 0.458124 0.135907 0.515340 NaN NaN
2 0.629373 0.725247 0.306275 NaN NaN
3 0.113927 0.259965 0.996407 NaN NaN
4 0.321131 0.734002 0.766044 NaN NaN
5 0.740858 0.238741 0.531810 NaN NaN
6 0.063990 0.974056 0.178260 NaN NaN
7 0.977651 0.047287 0.435681 NaN NaN
8 0.972060 0.606288 0.600896 NaN NaN
9 0.250377 0.807237 0.153419 NaN NaN
关于python - Pandas 数据帧处理中的关键错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39603571/