python按时间分类数据,python – 根据平均值随时间对面板数据框中的项进行分类...

我有一个面板数据的多索引数据框,显示了一段时间内的历史价格.我基本上想要做的是将它们按时间平均预测(高于0.4),中等(0.2到0.4)和低(低于0.2)进行分组.

price yield forecast

date assetid

1/1/2017 4200 96.44 0.23 0.64

1/1/2017 408 46.3 0.6 0.4

1/1/2017 413 50.68 0.47 0.73

1/1/2017 3911 82.48 0.33 0.84

1/1/2017 7392 97.24 0.4 0.62

1/1/2017 7144 31.86 0.18 0.54

1/1/2017 8793 59.66 0.65 0.9

1/2/2017 4200 57.1 0.21 0.69

1/2/2017 408 4.76 0.86 0.16

1/2/2017 413 70.79 0.24 0.12

1/2/2017 3911 5.43 0.91 0.44

1/2/2017 7392 47.33 0.51 0.18

1/2/2017 7144 17.85 0.79 0.59

1/2/2017 8793 98.08 0.2 0.24

因此,我需要弄清楚的第一步是如何创建一个返回每个资产的平均值的表.

assetid Average of forecast

408 0.73

413 0.355

3911 0.62

4200 0.22

7144 0.485

7392 0.455

8793 0.425

然后,我必须加入这个新创建的表并匹配assetid,随着时间的推移具有相同的分类.

price yield forecast type

date assetid

1/1/2017 4200 96.44 0.23 0.64 med

1/1/2017 408 46.3 0.6 0.4 high

1/1/2017 413 50.68 0.47 0.73 med

1/1/2017 3911 82.48 0.33 0.84 med

1/1/2017 7392 97.24 0.4 0.62 high

1/1/2017 7144 31.86 0.18 0.54 low

1/1/2017 8793 59.66 0.65 0.9 high

1/2/2017 4200 57.1 0.21 0.69 med

1/2/2017 408 4.76 0.86 0.16 high

1/2/2017 413 70.79 0.24 0.12 med

1/2/2017 3911 5.43 0.91 0.44 med

1/2/2017 7392 47.33 0.51 0.18 high

1/2/2017 7144 17.85 0.79 0.59 low

1/2/2017 8793 98.08 0.2 0.24 high

解决方法:

pd.cut变换

df['type']=pd.cut(df.groupby(level='assetid')

.forecast

.transform('mean'),[0,0.2,0.4,np.inf],labels=['low','med','high'])

df

Out[663]:

price yield forecast type

date assetid

1/1/2017 4200 96.44 0.23 0.64 high

408 46.30 0.60 0.40 med

413 50.68 0.47 0.73 high

3911 82.48 0.33 0.84 high

7392 97.24 0.40 0.62 med

7144 31.86 0.18 0.54 high

8793 59.66 0.65 0.90 high

1/2/2017 4200 57.10 0.21 0.69 high

408 4.76 0.86 0.16 med

413 70.79 0.24 0.12 high

3911 5.43 0.91 0.44 high

7392 47.33 0.51 0.18 med

7144 17.85 0.79 0.59 high

8793 98.08 0.20 0.24 high

标签：python,lambda,pandas,numpy

来源： https://codeday.me/bug/20190828/1749642.html