将 DataFrame 拆分为两个 DataFrame 并过滤这两个 DataFrame 以具有相同的维度

Question

我有以下问题并有一个解决它的想法，但没有奏效：我有一个月内每个交易日的DAX 看涨期权和看跌期权数据。 转换和一些计算后，我有以下数据帧： DaxOpt 。 现在的目标是摆脱没有相应对的每一行（看涨期权或看跌期权）。 对于配对，我指的是具有相同“EXERCISE_PRICE”和“TAU”的看涨和看跌期权，其中“TAU”= 到期时间（以年为单位）。 图片中的红色框是一对示例。 因此，要么有一个只有对的 DataFrame，要么有两个带有 Call 和 Put 选项的 DataFrame，其中行是相应的对。

我的想法是创建两个新的 DataFrames，一个只包含看涨期权，另一个包含看跌期权，在“TAU”和“EXERCISE_PRICE”之后对它们进行排序，并使用 pandas isin 函数来完成，以摆脱看涨期权或没有相应对的看跌期权。

DaxOptCall = DaxOpt[DaxOpt.CALL_PUT_FLAG == 'C']

DaxOptPut = DaxOpt[DaxOpt.CALL_PUT_FLAG == 'P']

问题是 DaxOptCall 和 DaxOptPut 的维度不同，所以 isin 函数不适用。 我试图找到最有效的方法，因为我现在使用的数据只是真实数据的一小部分。

将不胜感激任何帮助或想法。

---

Answer 1

看看这是否适合你：

通过 CALL/PUT 选项将 df 分成两个 dfs 后，将您的对唯一的列转换为索引列：

# Assuming your unique columns are TAU and EXERCISE_PRICE
df_call = df_call.set_index(["EXERCISE_PRICE", "TAU"])
df_put = df_put.set_index(["EXERCISE_PRICE", "TAU"])

接下来，取索引的交集，它将返回一个pandas MultiIndex 对象

mtx = df_call.index.intersection(df_put.index)

然后使用 mtx 对象从 dfs 中提取公共元素

df_call.loc[mtx]
df_put.loc[mtx]

如果您希望它们位于同一个 df 中并将索引重置为原始列，则可以合并它们。