根据另一列值重新采样和聚合数据

Posted 2023-03-29

【中文标题】根据另一列值重新采样和聚合数据

【英文标题】：Resample and aggregate data according to another column value

【发布时间】：2021-09-24 19:13:39

【问题描述】：

我的时间序列是这样的：

TranID,Time,Price,Volume,SaleOrderVolume,BuyOrderVolume,Type,SaleOrderID,SaleOrderPrice,BuyOrderID,BuyOrderPrice
1,09:25:00,137.69,200,200,453,B,182023,137.69,241939,137.69
2,09:25:00,137.69,253,300,453,S,184857,137.69,241939,137.69
3,09:25:00,137.69,47,300,200,B,184857,137.69,241322,137.69
4,09:25:00,137.69,153,200,200,B,219208,137.69,241322,137.69

我想按体积重新采样和聚合数据帧，但结果，我应该能够得到类似的结果：

Time, Volume_B, Volume_S
09:25:00, 400, 253

当Type为“B”时，Volume_B为总成交量，当Type为“S”时，Volume_S为总成交量。

我的函数如下所示，但效果不佳。

data.resample('t').agg(Volume_B=(Volume=lambda x: np.where(x['Type']=='B', x['Volume'], 0)), Volume_A=(Volume=lambda x: np.where(x['Type']=='S', x['Volume'], 0)))

如何正确实施？

【参考方案1】：

一种方法是在之前使用 np.where 创建列 Volume_B（和 _S），然后聚合，所以：

res = (
    df.assign(Volume_B= lambda x: np.where(x['Type']=='B', x['Volume'], 0), 
              Volume_S= lambda x: np.where(x['Type']=='S', x['Volume'], 0))\
      .groupby(df['Time']) # you can replace by resample here
      [['Volume_B','Volume_S']].sum()
      .reset_index()
)
print(res)
       Time  Volume_B  Volume_S
0  09:25:00       400       253

编辑，使用您的输入（并在时间列上汇总），然后您也可以执行pivot_table 之类的操作：

(df.pivot_table(index='Time', columns='Type', 
                values='Volume', aggfunc=sum)
   .add_prefix('Volume_')
   .reset_index()
   .rename_axis(columns=None)
)