Verschieben von Elementen der Spalte basierend auf Index gegeben Bedingung auf einer anderen Spalte

Question

Ich habe ein Datenframe (df) mit 2 Spalten und 1 Index.

Index ist Datetime Index und ist im Format von 2001-01-30 .... etc und der Index ist nach DATE sortiert und es gibt Tausende von identischen Daten (und ist Monatsdaten). Spalte A ist der Firmenname (entspricht dem Datum), Spalte B sind Aktienkurse für die Firmennamen in der Spalte A für das Datum im Index.

Jetzt gibt es mehrere Unternehmen in Spalte A für jedes Datum, und Unternehmen variieren im Laufe der Zeit (so dass die Daten nicht vollständig vorhersehbar sind).

Ich möchte eine Spalte C erstellen, die alle Preise, die in B sind, auf das nächste Datum voreilt (wie im Index).

Eine grundlegende .shift() würde nicht funktionieren, da ich alle Preise verschieben würde basierend auf der Bedingung, dass das Unternehmen immer noch dort am nächsten Punkt im Index ist.

ich eine Spalte C wollen, die durch 1 B nach vorne verschiebt, und eine Spalte D, die es durch verschiebt zurück 1.

Ich habe auf diese für eine Weile aufgeklebt, jemand sehr klug bitte helfen. nicht

Dank

Answer 1

Betrachten Sie das Beispiel Datenrahmen df unter

np.random.seed([3,1415]) 
df = pd.concat(dict(
     A=pd.Series(np.random.rand(10), pd.date_range('2016-09-30', periods=10)), 
     B=pd.Series(np.random.rand(7), pd.date_range('2016-09-25', periods=7)), 
     C=pd.Series(np.random.rand(10), pd.date_range('2016-09-20', periods=10)), 
     D=pd.Series(np.random.rand(8), pd.date_range('2016-10-30', periods=8)), 
     E=pd.Series(np.random.rand(12), pd.date_range('2016-10-25', periods=12)), 
     F=pd.Series(np.random.rand(14), pd.date_range('2016-08-30', periods=14)), 

    )).rename_axis(['ColumnA', None]).reset_index('ColumnA', name='ColumnB') 

print(df.head(10)) 

      ColumnA ColumnB 
2016-09-30  A 0.444939 
2016-10-01  A 0.407554 
2016-10-02  A 0.460148 
2016-10-03  A 0.465239 
2016-10-04  A 0.462691 
2016-10-05  A 0.016545 
2016-10-06  A 0.850445 
2016-10-07  A 0.817744 
2016-10-08  A 0.777962 
2016-10-09  A 0.757983 

---

Verwendung groupby + shift

d1 = df.set_index('ColumnA', append=True) 
g = d1.groupby(level='ColumnA').ColumnB 
keys = ['Forward', 'Back'] 
new_df = d1.join(pd.concat([g.shift(i) for i in [-1, 1]], axis=1, keys=keys)) 
print(new_df.query('ColumnA == "A"').head(10)) 

        ColumnB Forward  Back 
      ColumnA        
2016-09-30 A  0.444939 0.407554  NaN 
2016-10-01 A  0.407554 0.460148 0.444939 
2016-10-02 A  0.460148 0.465239 0.407554 
2016-10-03 A  0.465239 0.462691 0.460148 
2016-10-04 A  0.462691 0.016545 0.465239 
2016-10-05 A  0.016545 0.850445 0.462691 
2016-10-06 A  0.850445 0.817744 0.016545 
2016-10-07 A  0.817744 0.777962 0.850445 
2016-10-08 A  0.777962 0.757983 0.817744 
2016-10-09 A  0.757983  NaN 0.777962