>>>import pandas as pd
>>>import numpy as np
>>>df = pd.DataFrame(data=np.random.rand(8, 1), columns={'a'})
>>>df['grp']=1
>>>df.loc[::2, 'grp']=2
>>>df['%_groupby']=df.groupby('grp')['a'].pct_change()
>>>df['%_shift']=df.groupby('grp')['a'].shift(0)/df.groupby('grp')['a'].shift(1)-1
>>>print(df)
Когда в кадре данных есть разные группы, при использовании groupby
ожидается, что функция pct_change
будет применена к каждой группе. Однако объединение groupby
с pct_change
не дает правильного результата.
Вывод:
a grp %_groupby %_shift
0 1.0 2 NaN NaN
1 1.1 1 0.100000 NaN
2 1.2 2 0.090909 0.200000
3 1.3 1 0.083333 0.181818
4 1.4 2 0.076923 0.166667
5 1.5 1 0.071429 0.153846
6 1.6 2 0.066667 0.142857
7 1.7 1 0.062500 0.133333
a grp %_groupby %_shift
0 1.0 2 NaN NaN
1 1.1 1 NaN NaN
2 1.2 2 0.200000 0.200000
3 1.3 1 0.181818 0.181818
4 1.4 2 0.166667 0.166667
5 1.5 1 0.153846 0.153846
6 1.6 2 0.142857 0.142857
7 1.7 1 0.133333 0.133333
pd.show_versions()
УСТАНОВЛЕННЫЕ ВЕРСИИ
коммит: Нет
питон: 3.6.3.final.0
биты Python: 64
ОС: Дарвин
ОС-релиз: 17.5.0
машина: x86_64
процессор: i386
byteorder: маленький
LC_ALL: en_US.UTF-8
ЯЗЫК: en_US.UTF-8
МЕСТО: en_US.UTF-8
панды: 0.23.0
pytest: 3.2.1
пункт: 10.0.1
setuptools: 36.5.0.post20170921
Cython: 0.26.1
число: 1.14.3
scipy: 0.19.1
pyarrow: Нет
xarray: Нет
IPython: 6.1.0
сфинкс: 1.6.3
Пэтси: 0.4.1
dateutil: 2.6.1
pytz: 2018.3
blosc: Нет
узкое место: 1.2.1
таблицы: 3.4.2
numexpr: 2.6.2
перо: Нет
matplotlib: 2.1.0
openpyxl: 2.4.8
xlrd: 1.1.0
xlwt: 1.2.0
xlsxwriter: 1.0.2
lxml: 4.1.1
BS4: 4.6.0
html5lib: 0,9999999
sqlalchemy: 1.1.13
pymysql: Нет
psycopg2: Нет
jinja2: 2.9.6
s3fs: Нет
fastparquet: Нет
pandas_gbq: Нет
pandas_datareader: Нет
Я вижу, что функция pct_change в groupby.py в строке ~ 3944 не реализует это должным образом. В то время как метод, который он переопределяет, правильно реализует его для фрейма данных. Я хотел бы думать, что это должно быть относительно просто исправить.
Я возьмусь за пиар за это. Хотя я раньше не участвовал в создании pandas, посмотрим, смогу ли я завершить его своевременно.
может быть связано с https://github.com/pandas-dev/pandas/issues/11811
Нашел что-то в этом роде, когда переключаешься назад, поэтому
import pandas_datareader.data as web
import pandas as pd
tickers = ['F','AAPL','NFLX','AMZN','GOOG']
df = pd.DataFrame()
for ticker in tickers:
data = web.DataReader(ticker, 'iex', '2018-01-01', '2018-06-01')
data['ticker'] = ticker
df = df.append(data)
df = df.reset_index()
df['5_day_growth'] = df.groupby('ticker').close.pct_change(periods=-5)
df['5_day_growth_alt'] = df.groupby('ticker').close.pct_change(periods=5).shift(-5)
Альтернативный метод дает вам правильный результат, а не смещение в расчетах.
print(df[['date','ticker','close','5_day_growth', '5_day_growth_alt']].head(6))
date ticker close 5_day_growth 5_day_growth_alt
0 2018-01-02 F 12.1939 -0.032115 0.033181
1 2018-01-03 F 12.2903 -0.020717 0.021155
2 2018-01-04 F 12.5022 -0.013672 0.013862
3 2018-01-05 F 12.7141 -0.002268 0.002273
4 2018-01-08 F 12.6659 0.003820 -0.003805
5 2018-01-09 F 12.5985 0.073894 -0.068810
Чтобы решить эту проблему, используйте apply
. Это должно дать желаемый результат:
df['%_groupby'] = df.groupby('grp')['a'].apply(lambda x: x.pct_change())
Самый полезный комментарий
Чтобы решить эту проблему, используйте
apply
. Это должно дать желаемый результат:df['%_groupby'] = df.groupby('grp')['a'].apply(lambda x: x.pct_change())