pandas 按日期和值比较某些列条目答案

【问题标题】：pandas compare certain colum entries by date and valuepandas 按日期和值比较某些列条目
【发布时间】：2020-02-18 17:31:23
【问题描述】：

我的问题：

 df1 = [{'Day': '2019-12-01', 'Issue Date': '2019-12-01', 'Price': '50'},
 {'Day': '2019-12-02', 'Issue Date': '2019-12-01', 'Price': '45'},
 {'Day': '2019-12-03', 'Issue Date': '2019-12-01', 'Price': '40'},
       {'Day': '2019-12-02', 'Issue Date': '2019-12-02', 'Price': '50'},
 {'Day': '2019-12-03', 'Issue Date': '2019-12-02', 'Price': '42'},
 {'Day': '2019-12-04', 'Issue Date': '2019-12-02', 'Price': '41'}, 
      {'Day': '2019-12-03', 'Issue Date': '2019-12-03', 'Price': '60'},
 {'Day': '2019-12-04', 'Issue Date': '2019-12-03', 'Price': '50'},
 {'Day': '2019-12-05', 'Issue Date': '2019-12-03', 'Price': '48'} 

]

现在我想自动将发行日期的价格与前一天同一日期的价格进行比较。

要找出从昨天到今天的价格上涨了多少，并使用该值创建一个新列。

例如：我想比较 'Issue Date: 2019-12-02 (Price = 45) 中 12 月 2 日的价格，至“发行日期：2019-12-01”中 12 月 2 日的价格（价格 = 50）。结果应该是加 10 %。

等等。我该怎么做？

【问题讨论】：

问题。 Day字段中还有多个Issue Date，使用哪个？ IE... 2019-02-02 是Issue Date，但是Date 栏中有多个2019-02-02，使用哪个价格？
前一天的价格，发行日期减一，然后这个价格就可以了。
到底是什么问题？你有没有尝试过，做过任何研究？ Stack Overflow 不是免费的代码编写服务。请参阅：tour、How to Ask、help center、meta.stackoverflow.com/questions/261592/…。

标签： python pandas datetime

【解决方案1】：

好的，如果我理解你的问题，试试这个：

df1 = [{'Day': '2019-12-01', 'Issue Date': '2019-12-01', 'Price': '50'},
 {'Day': '2019-12-02', 'Issue Date': '2019-12-01', 'Price': '45'},
 {'Day': '2019-12-03', 'Issue Date': '2019-12-01', 'Price': '40'},
       {'Day': '2019-12-02', 'Issue Date': '2019-12-02', 'Price': '50'},
 {'Day': '2019-12-03', 'Issue Date': '2019-12-02', 'Price': '42'},
 {'Day': '2019-12-04', 'Issue Date': '2019-12-02', 'Price': '41'}, 
      {'Day': '2019-12-03', 'Issue Date': '2019-12-03', 'Price': '60'},
 {'Day': '2019-12-04', 'Issue Date': '2019-12-03', 'Price': '50'},
 {'Day': '2019-12-05', 'Issue Date': '2019-12-03', 'Price': '48'} 

]

df = pd.DataFrame(df1)

df['Price'] = df['Price'].astype(int)

df['Issue Price'] = df.loc[df['Day'] == df['Issue Date'], 'Price']

df['Issue Price'] = df['Issue Price'].ffill()

df['Pct Change'] = (df['Issue Price'] - df['Price']) / df['Issue Price']
df

输出：

          Day  Issue Date  Price  Issue Price  Pct Change
0  2019-12-01  2019-12-01     50         50.0    0.000000
1  2019-12-02  2019-12-01     45         50.0    0.100000
2  2019-12-03  2019-12-01     40         50.0    0.200000
3  2019-12-02  2019-12-02     50         50.0    0.000000
4  2019-12-03  2019-12-02     42         50.0    0.160000
5  2019-12-04  2019-12-02     41         50.0    0.180000
6  2019-12-03  2019-12-03     60         60.0    0.000000
7  2019-12-04  2019-12-03     50         60.0    0.166667
8  2019-12-05  2019-12-03     48         60.0    0.200000

【讨论】：