python - 使用一个数据帧在其他数据帧上创建组,然后取平均值

标签 python pandas numpy dataframe quantitative-finance

我的问题的前提是我想使用一个数据框(同级组)来创建与其他股票同级的股票组,然后计算另一个数据框(fun_data)的平均值,但我不知道如何使用一个数据框按年份和代码创建组,然后应用这些组,找到多个列的平均值,并在另一个数据框中为这些平均值创建新列。任何帮助表示赞赏。到目前为止我所掌握的数据如下。

我从两个数据框开始,一个包含基本数据,另一个显示每年的同行公司组

有趣的数据

import numpy as np
import pandas as pd
fun_data = {{'data': [12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 12/30/1983, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984, 1/3/1984],
             'ticker': ['AA', 'KO', 'AMB', 'AMX', 'AR', 'AS', 'BUD', 'CLF', 'CRS', 'DOC', 'EC', 'EFU', 'FTX', 'HM', 'RJR', 'AA', 'KO', 'AMB', 'AMX', 'AR', 'AS', 'BUD', 'CLF', 'CRS', 'DOC', 'EC', 'EFU', 'FTX', 'HM', 'RJR'],
             'mkt_cap': [10382076219, 28615981356, 89124668974, 96863568587, 69017311359, 71368368637, 36604633897, 91086629072, 87580223715, 70605054110, 93225158261, 91412455851, 76327466814, 60245266890, 33751408249, 92924687267, 97193082284, 43372080824, 94712408349, 60356743279, 32484886660, 18571138143, 64690517329, 24838868675, 23278782495, 34286838121, 46008417484, 24020283962, 3560654158, 79189294007],
             'pe_ratio': [15, 24, 15, 20, 22, 19, 16, 22, 18, 13, 18, 16, 14, 24, 15, 12, 18, 22, 16, 21, 20, 16, 24, 18, 15, 24, 24, 18, 13, 18],}
df1 = pd.DataFrame(data=fun_data)
df1

同级组

import numpy as np
import pandas as pd
peergroup = {'year': [1983, 1983, 1983, 1983, 1983, 1984, 1984, 1984, 1984, 1984, 1983, 1983, 1983, 1984, 1984, 1984],
             'ticker': ['AA', 'AA', 'AA', 'AA', 'AA', 'AA', 'AA', 'AA', 'AA', 'AA', 'KO', 'KO', 'KO', 'KO', 'KO', 'KO'],
             'peer': [AMX, AS, CLF, CRS, EFU, HM, AMX, AR, EC, FTX, AMB, BUD, DOC, AMB, BUD, RJR]}
df2 = pd.DataFrame(data=peergroup)
df2

一旦我有了这些数据帧,我想象代码会执行这些步骤(如果有更好的方法来做到这一点,请随意调整)

  1. 从 fun_data 数据框中查找日期和代码(1983 年 12 月 30 日,AA)
  2. 从同级组数据帧中查找 AA 的 1983 年同级(AMX、AS、CLF、CRS、EFU)
  3. 从 fun_data 数据帧中查找该日期同行的 mkt_cap 和 pe_ratio 数据
  4. 计算 AA 同行的平均 mkt_Cap 和 pe_ratio
  5. 为peer_avg_mkt_cap和peer_avg_pe_ratio创建两列,并在这些列中输入计算值
  6. 迭代 fun_data 中所有日期的所有具有同行的公司
  7. 如果在该日期没有找到对等点,请保留 0(将使用 FF 库中的数据填充)

Desired output

最佳答案

我认为你需要合并。首先要创建每个组的平均值,您可以将 df1 合并到根据日期和股票代码创建的列年份上,以及 df2 年份和同级中。然后对合并后的数据框中 df2 中的 tocker 列进行分组:

df_ = (df1.assign(year=pd.to_datetime(df1['data']).dt.year)
          .merge(df2, 
                 left_on=['year','ticker'], right_on=['year','peer'], 
                 how='outer', suffixes=('_',''))
          .groupby(['year', 'ticker'])
          [['mkt_cap', 'pe_ratio']].mean()
          .add_prefix('avg_')
      )
print(df_)
              avg_mkt_cap  avg_pe_ratio
year ticker                            
1983 AA      8.766225e+10     19.000000
     KO      6.544479e+10     14.666667
1984 AA      4.338739e+10     18.400000
     KO      4.704417e+10     18.666667

请注意,我没有得到与您预期输出相同的值,但我不确定您如何在 1983 年获得 KO 19.3,因为知道在您的 df2 中,它链接到三个股票代码,所有股票的值都低于 16,所以我认为这就是你想要的。

现在,您只需在年份再次将其合并回 df1,并在之前创建的 df_ 索引加上一些 fillnadrop 列年份

df3 = (df1.assign(year=pd.to_datetime(df1['data']).dt.year)
          .merge(df_, 
                 left_on=['year','ticker'], 
                 right_index=True, 
                 how='left')
          .fillna(0)
          .drop('year',axis=1)
      )
print(df3)
          data ticker      mkt_cap  pe_ratio   avg_mkt_cap  avg_pe_ratio
0   12/30/1983     AA  10382076219        15  8.766225e+10     19.000000
1   12/30/1983     KO  28615981356        24  6.544479e+10     14.666667
2   12/30/1983    AMB  89124668974        15  0.000000e+00      0.000000
3   12/30/1983    AMX  96863568587        20  0.000000e+00      0.000000
4   12/30/1983     AR  69017311359        22  0.000000e+00      0.000000
5   12/30/1983     AS  71368368637        19  0.000000e+00      0.000000
6   12/30/1983    BUD  36604633897        16  0.000000e+00      0.000000
7   12/30/1983    CLF  91086629072        22  0.000000e+00      0.000000
8   12/30/1983    CRS  87580223715        18  0.000000e+00      0.000000
9   12/30/1983    DOC  70605054110        13  0.000000e+00      0.000000
10  12/30/1983     EC  93225158261        18  0.000000e+00      0.000000
11  12/30/1983    EFU  91412455851        16  0.000000e+00      0.000000
12  12/30/1983    FTX  76327466814        14  0.000000e+00      0.000000
13  12/30/1983     HM  60245266890        24  0.000000e+00      0.000000
14  12/30/1983    RJR  33751408249        15  0.000000e+00      0.000000
15    1/3/1984     AA  92924687267        12  4.338739e+10     18.400000
16    1/3/1984     KO  97193082284        18  4.704417e+10     18.666667
17    1/3/1984    AMB  43372080824        22  0.000000e+00      0.000000
18    1/3/1984    AMX  94712408349        16  0.000000e+00      0.000000
19    1/3/1984     AR  60356743279        21  0.000000e+00      0.000000
20    1/3/1984     AS  32484886660        20  0.000000e+00      0.000000
...

关于python - 使用一个数据帧在其他数据帧上创建组,然后取平均值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63404994/

相关文章:

python - 如何在 pandas.multiindex 级别应用条件?

python - 自动从 python 中的图像中删除热/死像素

python-3.x - 用 numpy 生成 8 位图像

python - 为什么 scipy.optimize.curve_fit 会重复评估初始猜测(并且可能是成本高昂的)?

python - 如何比较python中的两个列表并返回不匹配

从 Ubuntu 到 Red Hat 的 Linux Python Dogtail 更新 - pyatspi 库

Python HL7 Listener 套接字消息确认

python - 如何在python中连接和转置两个表

python - 情节不会在 Jupyter 中显示

numpy - 如何在 Pandas DataFrame 中设置值的时区?