如果有重复的 Ticker 并且超过一个月的时差，则从数据框中提取 Ticker 名称

Posted 2023-03-11

【中文标题】如果有重复的 Ticker 并且超过一个月的时差，则从数据框中提取 Ticker 名称

【英文标题】：Pulling out Ticker names from a dataframe, if there are duplicates of Ticker and over a month time difference

【发布时间】：2017-03-30 01:35:50

【问题描述】：

所以我有一个数据框df，其中包含一堆Ticker 名称和其他列。 该索引采用日期时间格式。

看起来像这样：

                    Ticker                          Owner  \
SEC Form 4                                                  
1900-10-14 17:15:00     AA                 SORRELL MARTIN   
1900-10-14 17:13:00     AA                     TATA RATAN   
1900-11-07 18:26:00     AA                   NELLES DUANE   
1900-11-10 16:53:00    AAT                  RADY ERNEST S   
1900-11-10 16:53:00    AAT                  RADY ERNEST S   
1900-11-15 17:12:00    ABR                  Tsunis George   
1900-11-15 17:12:00    ABR                  Tsunis George   
1900-11-14 10:02:00    ABT                  WHITE MILES D   
1900-11-14 10:04:00    ABT                  WHITE MILES D   
1900-11-14 10:03:00    ABT                  WHITE MILES D   
1900-11-14 10:02:00    ABT                  WHITE MILES D   
1900-11-14 10:03:00    ABT                  WHITE MILES D   
1900-11-03 14:20:00    AGC                           L.P.   
1900-11-07 14:51:00    AGC               SEIZERT GERALD L   
1900-11-07 14:51:00    AGC               SEIZERT GERALD L   
1900-10-07 17:27:00    AHC            MORONEY JAMES M III   
1900-05-03 18:05:00    AHC            MORONEY JAMES M III   
1900-11-03 18:05:00    AHC            MORONEY JAMES M III 

如果所述 Ticker 具有不同月份的索引日期（SEC Form 4），我想打印出 Tickers 及其随附的行值（这些行的 Owner 和 SEC 表单值）。所以在这种情况下，我想提取所有带有 AA 的行，以及带有 Ticker AHC 的所有行，因为它们都包含不同月份的索引日期。

所以输出应该是这样的：

                   Ticker                          Owner  \
SEC Form 4                                                  
1900-10-14 17:15:00     AA                 SORRELL MARTIN   
1900-10-14 17:13:00     AA                     TATA RATAN   
1900-11-07 18:26:00     AA                   NELLES DUANE   
1900-10-07 17:27:00    AHC            MORONEY JAMES M III   
1900-05-03 18:05:00    AHC            MORONEY JAMES M III   
1900-11-03 18:05:00    AHC            MORONEY JAMES M III

我在想最好的方法是使用 groupby，但我不确定如何从那里开始。

 Ticker_groups = df.groupby('Ticker')

我试图访问索引（保存日期），但我不太确定如何访问。

 df.groupby('Ticker').index  #doesn't work

我查看了 datetimeindex 文档并找到了

DatetimeIndex.month

这可能有用，但我不知道如何将它干净地应用于 groupby 的索引。

谢谢。

【参考方案1】：

您可以将groupby 和filter 与一个lambda 函数一起使用，该函数将在当月执行pd.value_counts 并检查其中是否有多个条目。

df.groupby('Owner').filter(lambda x: pd.value_counts(x.index.month).shape[0] > 1)

                    Owner           SEC Form 4
Ticker                                        
1900-10-14 17:15:00    AA       SORRELL MARTIN
1900-10-14 17:13:00    AA           TATA RATAN
1900-11-07 18:26:00    AA         NELLES DUANE
1900-10-07 17:27:00   AHC  MORONEY JAMES M III
1900-05-03 18:05:00   AHC  MORONEY JAMES M III
1900-11-03 18:05:00   AHC  MORONEY JAMES M III

【讨论】：

嗨，它似乎工作得很好，但我在理解部分代码时遇到了一点麻烦。当我使用“pd.value_counts(x.index.month)”（“x”是 groupby 对象）时，我自己得到一个错误。但是，如果我编写您编写的完整代码，我不会遇到任何问题。所以我假设这就是你使用过滤器的原因？谢谢。

@moondra，groupby 对象中没有任何数据。它只存储有关在哪里对数据框进行分区的信息。这就是为什么你会在那里出错。 groupby 具有做事的特殊功能，filter 就是其中之一。鼓励您阅读groupby documentation