如何通過熊貓中的groupby更改數據框的值

Question

這里有一個數據框：

print te_c.head(10)

   Price          Vol   tradeDate
0     9            1  1994-05-09
1     3            2  1994-05-10
2     3            2  1994-05-10
3     3            2  1994-05-10
4     3            2  1994-05-10
5     4            3  1994-05-11
6     4            3  1994-05-11
7     4            3  1994-05-11
8     4            3  1994-05-11
9     5            4  1994-05-12

和清單：

te_index = range(1,te_c.drop_duplicates('tradeDate').shape[0] + 1)

現在我想按'tradeDate'將te_c 'tradeDate' ，並為每個組讓每個'Vol' * te_index[i] （ i from range(len(te_index)) ），然后使用此新數據重置'Vol'並所需的輸出是這樣的：

   Price          Vol   tradeDate
0     9            1   1994-05-09
1     3            4   1994-05-10
2     3            4   1994-05-10
3     3            4   1994-05-10
4     3            4   1994-05-10
5     4            9   1994-05-11
6     4            9   1994-05-11
7     4            9   1994-05-11
8     4            9   1994-05-11
9     5           16   1994-05-12

所以我嘗試在groupby函數中使用for循環：

for name, group in te_c.groupby('tradeDate'):
  i = 0
  for j in range(group.shape[0]):
      group.ix[j, 'Vol'] = group.ix[j, 'Vol'] * te_index[i]
  i += 1

但是我的代碼不起作用，並具有：

關鍵錯誤：0L

我也嘗試使用.apply()但是不知道如何將組乘以每個te_index 。 我應該如何編碼以解決此問題？

編輯：此計算只是我希望通過數據幀進行的計算之一，我也想計算類似group.ix[j, 'Vol'] = group.ix[j, 'Vol'] * te_index[-(i+1)] / sum(te_index)或group.ix[j, 'Price'] = group.ix[j, 'Price'] * (te_index[i] * weights[i])

Answer 1

您可以使用該信息group index存儲在grouper一個屬性groupby對象：

te_c['new_vol'] = te_c.Vol.mul(te_c.groupby('tradeDate').grouper.group_info[0] + 1)

   Price  Vol   tradeDate  new_vol
0      9    1  1994-05-09        1
1      3    2  1994-05-10        4
2      3    2  1994-05-10        4
3      3    2  1994-05-10        4
4      3    2  1994-05-10        4
5      4    3  1994-05-11        9
6      4    3  1994-05-11        9
7      4    3  1994-05-11        9
8      4    3  1994-05-11        9
9      5    4  1994-05-12       16

您還可以將group_info[0]添加為新column以方便進行其他計算，如下所示：

df['group_info'] = df.groupby('tradeDate').grouper.group_info[0] + 1

   Price  Vol   tradeDate  group_info
0      9    1  1994-05-09           1
1      3    2  1994-05-10           2
2      3    2  1994-05-10           2
3      3    2  1994-05-10           2
4      3    2  1994-05-10           2
5      4    3  1994-05-11           3
6      4    3  1994-05-11           3
7      4    3  1994-05-11           3
8      4    3  1994-05-11           3
9      5    4  1994-05-12           4