Pandas 面板数据 - 将值移动两个，考虑到年份差距

Question

我目前正在处理有关 pandas 的财务信息面板数据，因此与不同年份的不同公司合作。 我正在尝试生成一个按 2 个时间段移动的 $ 投资列。 因此，也在 t+2 报告时间 t 的值。

通常，为了滞后一个变量，我会使用df.groupby('tic')['investments'].shift(2) ，但不幸的是我的数据有点参差不齐，因此对于同一家公司，我可能在年。 只是给你一个想法，这是我的 df 的一个例子：

       datadate    fyear       tic   invest   
0    31/12/1998     1997      AAPL     12.3  
1    31/12/1999     1998      AAPL     14.5
2    31/12/2002     2002      AAPL      9.7   
3    31/12/2003     2003      AAPL     21.8   
4    31/12/2004     2004      AAPL     21.4
5    31/12/2005     2005      AAPL     18.9   
6    31/05/2008     2008      TSLA     11.5    
7    31/05/2009     2009      TSLA     13.7    
8    31/05/2010     2010      TSLA     19.4 
9    31/05/2011     2011      TSLA     14.5   
10   31/05/2014     2013      TSLA     14.8 
..      ...         ..         ..      ..    

因此，我想要实现的目标如下：

       datadate    fyear       tic   invest   l2_invest
0    31/12/1998     1997      AAPL     12.3         NaN
1    31/12/1999     1998      AAPL     14.5         NaN
2    31/12/2002     2002      AAPL      9.7         NaN
3    31/12/2003     2003      AAPL     21.8         NaN
4    31/12/2004     2004      AAPL     21.4         9.7
5    31/12/2005     2005      AAPL     18.9        21.8
6    31/05/2008     2008      TSLA     11.5         NaN
7    31/05/2009     2009      TSLA     13.7         NaN
8    31/05/2010     2010      TSLA     19.4        11.5
9    31/05/2011     2011      TSLA     14.5        13.7
10   31/05/2014     2013      TSLA     14.8        19.4
..      ...         ..         ..      ..    

预先感谢您的帮助：）

Answer 1

如果 'datadate' 列是表的索引（并且类型为 datetime64），则以下代码应生成所需的附加列：

df.groupby('tic')['invest'].shift(1, freq=pd.DateOffset(years=2))

编辑：仍然需要将 append 这个新列添加到原始表中。 这里有更多细节。

首先，确保“datadate”列的类型为 datetime64：

df['datadate'] = pd.to_datetime(df['datadate'])

然后让我们创建新列并将 append 它添加到我们的表中：

new_column = (df.set_index('datadate')
                .groupby('tic')['invest']
                .shift(1, freq=pd.DateOffset(years=2)))
df.set_index(['tic', 'datadate'], inplace=True)
df['l2_invest'] = new_column
df.reset_index(inplace=True)

从原始表开始，这会产生

     tic   datadate  fyear  invest  l2_invest
0   AAPL 1998-12-31   1997    12.3        NaN
1   AAPL 1999-12-31   1998    14.5        NaN
2   AAPL 2002-12-31   2002     9.7        NaN
3   AAPL 2003-12-31   2003    21.8        NaN
4   AAPL 2004-12-31   2004    21.4        9.7
5   AAPL 2005-12-31   2005    18.9       21.8
6   TSLA 2008-05-31   2008    11.5        NaN
7   TSLA 2009-05-31   2009    13.7        NaN
8   TSLA 2010-05-31   2010    19.4       11.5
9   TSLA 2011-05-31   2011    14.5       13.7
10  TSLA 2014-05-31   2013    14.8        NaN