Pandas：组内的高级处理

Question

我正在做一些股票投资组合统计。特别是，我有一个交易日志，其中包含几个按股票分组的买卖订单。这为 AAPL 提供了这样一个分组，例如：

    Date        Form        Amount     Price
0   2013-12-01  IN          10          10
1   2013-12-02  IN          10          5
2   2013-05-01  OUT         10          7

有没有可能我可以为这组计算第二条和第三条线的累积金额和平均购买价格。这样我得到以下结果。

    Date                Cum_Amount  Avg_Buy_Price
0   2013-12-01          10          10
1   2013-12-02          20          7.5
2   2013-05-01          10          7.5

感谢您的帮助。

谢谢

更新

不幸的是，joris 提出的“expanding_mean”函数作为 Avg_Buy_Price 需要由相应的 IN 交易金额加权。

Answer 1

我会做如下的事情（我编造了另一只股票来说明它的作用）：

print df

  Ticker        Date Form  Amount  Price
0   AAPL  2013-12-01   IN      10     10
1   AAPL  2013-12-02   IN      10      5
2   AAPL  2014-01-05  OUT      10      7
3    KKD  2013-12-22   IN      20     30
4    KKD  2013-12-29   IN      20     35
5    KKD  2014-01-15  OUT       5     40
6    KKD  2013-01-22  OUT       5     45

def cum_amount(x):
    x.ix[x['Form'] == 'OUT','Amount'] =  -x.ix[x['Form'] == 'OUT','Amount'] 
    return pd.DataFrame(pd.expanding_sum(x.Amount))

def weighted_avg(g):
    x = g[g['Form'] == 'IN']
    avg = pd.expanding_sum(x.Amount*x.Price)/pd.expanding_sum(x.Amount)
    g['avg'] = avg
    return g[['avg']]

df['Cum_Amount'] = df.groupby('Ticker').apply(cum_amount)
df['Avg_BuyPrice'] = df.groupby('Ticker').apply(weighted_avg)
print df

 Ticker        Date Form  Amount  Price  Cum_Amount  Avg_BuyPrice
0   AAPL  2013-12-01   IN      10     10          10          10.0
1   AAPL  2013-12-02   IN      10      5          20           7.5
2   AAPL  2014-01-05  OUT      10      7          10           NaN
3    KKD  2013-12-22   IN      20     30          20          30.0
4    KKD  2013-12-29   IN      20     35          40          32.5
5    KKD  2014-01-15  OUT       5     40          35           NaN
6    KKD  2013-01-22  OUT       5     45          30           NaN

如果需要，只需填写 Avg_BuyPrice 的缺失值