用于格式化 Python 的 Pandas 多级函数

Question

下面的代码使用month_changes将数据month_changes 。 Values和Val_dates是相关的， Val_dates应该是Values索引的匹配日期。 所以[100,'2015-11-01 01:03:00'],[123, '2015-11-08 12:56:00']..... 假设多维数组中的每一行代表一个月份，因此第一行[100,123,135.3,139.05,156.08,163.88,173.72]是 2015 年 11 月，第六行[163,173.12]是 2016 年 2 月等。它输出每个月的最后一个索引，因此第一行的输出将为123 。 我想知道函数的两个部分的目的是什么，那么df.groupby(pd.Grouper(freq='MS', key='dt'))['val'] , x.head(1).squeeze()[len(x)-1]和.reindex(idx, fill_value=0)应该这样做，下面的代码是否有效？

import numpy as np 

Values = np.array([[100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72],
                  [100,123,135.3,139.05,156.08,163.88,173.72]])

Val_dates= ['2015-11-01 01:03:00', '2015-11-08 12:56:00', '2015-11-11 02:30:00', '2015-11-14 04:23:00', '2016-02-11 02:00:00', '2016-02-15 15:00:00']

month_changes = ['2015-11-01 00:00:00', '2015-12-01 00:00:00', '2016-01-01 00:00:00',
 '2016-02-01 00:00:00', '2016-03-01 00:00:00']

format_month = np.sort(month_changes)

def Monthly_Pnls(index, Values):
    Values = np.array([arr[i:] for i,arr in enumerate(Values.tolist())])
    df = pd.DataFrame({'dt': Val_dates, 'val': Values}).astype({'dt': 'datetime64[ns]'})
    idx = pd.date_range(Date[month_changes][0], Date[month_changes][-1], freq='MS')

    result = df.groupby(pd.Grouper(freq='MS', key='dt'))['val'] \
          .apply(lambda x: x.head(1).squeeze()[len(x)-1] if len(x) else 0) \
          .reindex(idx, fill_value=0) \
          .to_numpy()
    
    return result 

Monthly_Pnls(Val_dates, month_changes)

预期输出：

[156.08, 0.0, 0.0, 173.72, 0.0]