用于过滤每个类别中过去 12 个月数据的 Python 脚本

Question

我有日期框架，我必须根据过去 12 个月的数据对值进行子集化。每个类别的行数不相等，即频率不一样。因此，我们必须将开始日期作为该类别的最新日期和 12 个月前的值相加。现在这个值的数量可以不同，比如可以有一个值到 12 个值等等，即它不是固定的

以下是样本数据：

RIC         DIVIDENDEXDATE       Adjusted 
==============================================
TECL.P      12/22/2020             0
TECL.P      9/22/2020              0
TECL.P      6/23/2020              0
TECL.P      3/24/2020              0.019
TECL.P      12/23/2019             0.111
TECL.P      9/24/2019              0.007
CSML.OQ     12/30/2020             0.146
CSML.OQ     9/24/2020              0.069
CSML.OQ     6/24/2020              0.62
CSML.OQ     3/25/2020              0.018
CSML.OQ     12/30/2019             0.0657
CSML.OQ     9/24/2019              0.6585

这里每个组都是 RIC，并且必须从 DIVIDENDEXDATE 中选择日期。我们应该保留介于每个 RIC 的最大/最新日期与最新日期后 12 个月内的任何行之间的日期。

我尝试了以下代码

df = data2.set_index('DividendExDate').last('12M')

但它不起作用

Answer 1

您应该首先将您的日期列转换为可以理解排序的正确日期格式：

import pandas as pd
data2.DIVIDENDEXDATE = pd.to_datetime(data2.DIVIDENDEXDATE)

然后，根据DIVIDENDEXDATE 与组内最大日期之间的距离过滤每个组中的行：

from dateutil.relativedelta import relativedelta
filtered_df = (data2.groupby('RIC')
                    .apply(lambda g: g[g['DIVIDENDEXDATE'] >= (g['DIVIDENDEXDATE'].max()-relativedelta(years=1))])
                    .reset_index(level=0, drop=True)) 

我在回答你的问题吗？