熊猫：将汇率查询乘以另一个数据框的相同日期后，按每日金额求和和汇总

Posted 2023-03-12

【中文标题】熊猫：将汇率查询乘以另一个数据框的相同日期后，按每日金额求和和汇总

【英文标题】：Pandas: Sum and aggregate by daily amounts after multiplying exchange rates look-up by same dates from another dataframe

【发布时间】：2021-12-01 19:07:36

【问题描述】：

提前感谢您的帮助。

我对 Python 完全陌生，我尝试了不同的方法来实现所需的内容（主要使用 groupby()），但到目前为止一切都失败了。

我有一个数据框，其中包含同一天以不同货币进行的多笔交易（116200 行）：

Index	Account No	Withdrawal AMT	Deposit AMT	Dates	Currency
0	12345567	100	300	2015-01-01	eur
1	12345567	100	300	2015-01-01	usd
2	12345567	100	300	2015-01-01	gbp
3	12345567	100	300	2015-01-01	eur
4	34334123	100	300	2015-01-02	usd
5	34334123	100	300	2015-01-02	gbp

我有两个单独的数据框，其中包含每天的汇率（一个用于欧元兑英镑，一个用于美元兑英镑）：

Index	EURO-GBP	Dates
0	1.634	2015-01-01
1	1.6676	2015-01-02
2	1.4554	2015-01-03
3	1.23455	2015-01-04

Index	USD-GBP	Dates
0	0.934	2015-01-01
1	0.943	2015-01-02
2	0.834	2015-01-03
3	0.945	2015-01-04

首先，我需要想办法将数据帧的第一个值转换为 GBP。正如您所注意到的，每天都包含不同货币的交易，所以任何关于如何做到这一点的提示都将不胜感激！

然后，我想创建一个同一天每行只有一天的数据框，即将每一行与相应的每日取款和存款列的总和合并：

Index	Withdrawal AMT	Deposit AMT	Dates	Currency
0	1000	600	2015-01-01	GBP
1	3000	500	2015-01-02	GBP
2	2000	700	2015-01-03	GBP

再次感谢您花时间阅读我的帖子！

附：所有数字都是随机的！

【问题讨论】：

在您的交换数据框中取平均值。然后根据日期将此表与您的事务表合并。现在您可以将汇率乘以金额。

【参考方案1】：

你可以这样做：

（假设您的主数据框名为df1，汇率数据框为df_xr_eur 和df_xr_usd）：

# Split the main dataframe by currency
df1_eur = df1[df1['Currency'] == 'eur'].copy()
df1_usd = df1[df1['Currency'] == 'usd'].copy()
df1_gbp = df1[df1['Currency'] == 'gbp'].copy()

# Calculate GBP equivalent of currency values
df1_eur['Withdrawal AMT'] *= df1_eur['Dates'].map(df_xr_eur.set_index('Dates')['EURO-GBP'])
df1_eur['Deposit AMT'] *= df1_eur['Dates'].map(df_xr_eur.set_index('Dates')['EURO-GBP'])

df1_usd['Withdrawal AMT'] *= df1_usd['Dates'].map(df_xr_usd.set_index('Dates')['USD-GBP'])
df1_usd['Deposit AMT'] *= df1_usd['Dates'].map(df_xr_usd.set_index('Dates')['USD-GBP'])

# Assemble the previously split datrframes after exchange rate calculation
df2 = pd.concat([df1_eur, df1_usd, df1_gbp]).assign(Currency='GBP')

# Aggregate by `Dates`
df_final = df2.groupby('Dates').agg('Withdrawal AMT': 'sum',
                                     'Deposit AMT': 'sum',
                                     'Currency': 'first'
                                    ).reset_index()

结果：

print(df_final)


        Dates  Withdrawal AMT  Deposit AMT Currency
0  2015-01-01           520.2       1560.6      GBP
1  2015-01-02           194.3        582.9      GBP

【讨论】：

非常感谢您！我被困在最后一行代码中！我收到错误“TypeError：+ 的不支持的操作数类型：'int' 和 'str'”。我将取款和存款转换为数字，但由于某种原因，我无法使用此代码 ```str(df_2["Currency"]) 将货币转换为字符串（是货币对象）。有什么建议吗？

@SpaniasCharalampos 是的，如果您的金额列是字符串类型，您必须先转换它们。您可以通过例如转换它们df1_usd['Withdrawal AMT'] = df1_usd['Withdrawal AMT'].astype(float)。对于货币的字符串类型，您可能不需要转换它，因为我们没有对其求和。

@SpaniasCharalampos 但是如果您的金额字段不是数字，这似乎很奇怪，我们的计算步骤也应该失败。在运行最后一行之前，可以通过df2.dtypes检查df2的数据类型来检查数据类型。

如果我继续并在您的初始代码处计算货币价值的英镑等值：transactions_eur['WITHDRAWAL AMT'] *= transactions_eur['dates_parsed'].map(euro_rates.set_index('dates_parsed')['EUR-GBP'])，那么“取款”列将充满 NaN。在执行此步骤之前，我尝试转换为浮点数：transactions_eur["WITHDRAWAL AMT"].astype(float) 但是当我使用以下代码检查类型时，它们仍然是一个对象！ transactions_eur["WITHDRAWAL AMT"] 结果在最后一步出现类型错误。

@SpaniasCharalampos 当货币数据框中的Dates 不匹配时，会出现NaN 值。您必须确保货币数据框包含主数据框中的每个 Dates。此外，两个数据框中的日期格式必须相同（否则，无法匹配日期）。