Pandas - Python - 查找函数 - 需要遍历

Question

我在创建两个看起来很简单的函数时遇到了麻烦，但是，我不断收到错误消息。

我有一个包含几列的数据框 (df)，其中包括“股票”和“收盘价”，“股票”是股票代码的列表，“收盘价”是股票代码的收盘价。数据中有十个左右的代码，收盘价可以追溯到几个月前（总行数 = 1000）。

问题 1：具有两个参数的函数：“df”是一个数据框，“price”是一个浮点数。
任务：全部返回（不打印）收盘价低于“价格”的数据
我的代码：

def get_high_low_close(df, symbol):
    '''
    Get highest and lowest close price of a stock.
    Parameters
    df: Pandas DataFrame containing data from Problem 1's solution
    symbol: stock symbol
    Returns
    returns two values, highest and lowest close price of the stock.
    '''
    symbol = df[df.stock =='AA']

    result = symbol.groupby('stock').agg({'close': ['max', 'min']})

get_high_low_close(df,symbol)

我的输出： 关闭
最大最小值 库存
AA 17.92 14.72

我的输出值是正确的，但我收到以下消息：AssertionError: None != (17.92,14.72)。我的教授说我不需要使用 groupby 并且应该使用参数符号来选择行，但我仍然感到困惑。

我的第二个问题类似，使用相同的数据：
问题 2：具有两个参数的函数：“df”是一个数据框，“symbol”是一个字符串。
任务：返回（不打印）由符号表示的股票的最高和最低收盘价。'

我尝试了许多不同的代码，但无法得到答案。任何帮助将不胜感激。谢谢！

Answer 1

您的问题需要更清晰，例如 df.head()。我会用一个例子来做一些假设来帮助解决问题

#reconstructing your question and making use of assumptions

#symbol
symbol = 'GOOGL'

df = pd.read_csv(symbol+'.csv')


def get_high_low_close(df, symbol):
    '''
    Get highest and lowest close price of a stock.
    Parameters
    df: Pandas DataFrame containing data from Problem 1's solution
    symbol: stock symbol
    Returns
    returns two values, highest and lowest close price of the stock.
    '''
    #highest close price
    highest_close_price = df['Close'].max()
    #lowest closing price
    lowest_close_price = df['Close'].min()
    
    #return them
    return highest_close_price, lowest_close_price
    

get_high_low_close(df,symbol)

#prints (2118.6201170000004, 1054.130005)

#price
price = 1115.47859

def get_high_low_close(df, symbol):
    '''
    Get highest and lowest close price of a stock.
    Parameters
    df: Pandas DataFrame containing data from Problem 1's solution
    symbol: stock symbol
    Returns
    returns two values, highest and lowest close price of the stock.
    '''
    #create function to evaluate the price
    def close_price(cls_price):
        if cls_price < price:
            return price
        
    #use apply function to evaluate the closing prices
    close_lower_than_price = df['Close'].apply(lambda x: close_price(x))
    close_lower_than_price = close_lower_than_price.dropna(how = "any") #drop nan values
    
    return close_lower_than_price

get_high_low_close(df, symbol)

返回低于价格的收盘价

 """
    0    1115.47859
    2    1115.47859
    4    1115.47859
    7    1115.47859
    9    1115.47859
    """