大熊猫价格变化率与前一天的差异答案

【问题标题】：Difference in price change ratio from day before in pandas大熊猫价格变化率与前一天的差异
【发布时间】：2016-11-14 22:14:48
【问题描述】：

我有以下df：

   ID   Date            A_price B_price
    3   01/01/2013 00:00    2   5
    3   02/01/2013 00:00    3   6
    1   01/01/2013 00:00    2   4
    1   02/01/2013 00:00    5   2
    1   03/01/2013 00:00    4   4
    1   04/01/2013 00:00    8   10
    1   05/01/2013 00:00    8   2
    1   06/01/2013 00:00    2   5
    1   01/01/2013 00:00    3   6

我想计算 2 个新列：A_price_ratio_increase、B_price_ratio_increase，这将仅计算特定 ID 从昨天开始的价格上涨。考虑使用 df.groupyby(['ID','DATE'])['A_price'].shift() 以昨天的价格创建 2 个新列然后在今天的价格和新列的价格之间进行划分，但新列的结果主要是 NaN。有没有更有效的方法？

【问题讨论】：

标签： python-2.7 pandas

【解决方案1】：

一个班轮

pd.concat([df, df.groupby('ID')[['A_price', 'B_price']].apply(lambda df: np.exp(np.log(df).diff()))], axis=1)

比较合理

import numpy as np
import pandas as pd

def ratio(df):
    return np.exp(np.log(df).diff()) - 1

price_cols = ['A_price', 'B_price']
keys = ['Original', 'PctChange']
pd.concat([df, df.groupby('ID')[price_cols].apply(ratio)],
          axis=1, keys=keys)

【讨论】：

【解决方案2】：

这是一个替代解决方案，使用pct_change() 函数：

In [484]: df[['A_price_ratio_increase','B_price_ratio_increase']] = \
              df.groupby('ID')['A_price','B_price'].pct_change()

In [485]: df
Out[485]:
   ID       Date  A_price  B_price  A_price_ratio_increase  B_price_ratio_increase
0   3 2013-01-01        2        5                     NaN                     NaN
1   3 2013-02-01        3        6                    0.50                     0.2
2   1 2013-01-01        2        4                     NaN                     NaN
3   1 2013-02-01        5        2                    1.50                    -0.5
4   1 2013-03-01        4        4                   -0.20                     1.0
5   1 2013-04-01        8       10                    1.00                     1.5
6   1 2013-05-01        8        2                    0.00                    -0.8
7   1 2013-06-01        2        5                   -0.75                     1.5
8   1 2013-01-01        3        6                    0.50                     0.2

【讨论】：

【解决方案3】：

第一种方式

先复制原始数据框
```
copied_df=df.copy()
```
将 df 值向前移动 1 步
```
 copied_df.shift(periods=1)
```

这会将所有列向前移动 1 步。在您的 df 中，您应该确保将日期设置为索引列。

 copied_df.set_index("Date")

创建一个新列“priceA_lag”，它将向前移动 A i 的价格。
```
copied_df["priceA_lag"]=copied_df.A_price.shift(periods=1)
```

创建另一列“PriceA_diff”

copied_df["PriceA_diff"]=copied_df.A_price.sub(copied_df.priceA_lag)

第二种方式

df["A_price_dif"]=df.A_price.diff(periods=1)

【讨论】：