[英]Pandas: Calc. weighted-average price, using groupby / lambda or function?
我有DataFrame,其中4個唯一的訂單分為3-12行。 正如您在下面的步驟1、2和3中看到的那樣,我正在使用groupby使其具有1個訂單= 1行。
但是,我缺少一個關鍵步驟,無法計算每個訂單的加權平均價格。 當前,第2步正在計算平均價格。
我想做的事:
創建一個可以計算每個訂單的加權平均價格的函數/ lambda(可能基於groupby“時間”列)。
加權平均價格的公式 =((第一個價格*金額)+(第二個價格*金額))/總額
訂單1的加權平均價格=((660.33 * 0.0130)+(659.58 * 0.0070))/ 0.02 = 660.06750
第1步-原始DataFrame:
| 1| Time | Market | Type | Price | Amount | Total | Fee | Acc |
| 2|-----------|-----------|-------|----------|---------|----------|----------|---------|
| 3| 22:12:15 | Market 1 | Buy | 660.33 | 0.0130 | 8.58429 | 0.00085 | MXG_33 |
| 4| 22:12:15 | Market 1 | Buy | 659.58 | 0.0070 | 4.61706 | 0.00055 | MXG_33 |
| 5| 19:36:08 | Market 1 | Sell | 670.00 | 0.0082 | 5.49400 | 0.00070 | MXG_33 |
| 6| 19:36:08 | Market 1 | Sell | 670.33 | 0.0058 | 3.88791 | 0.00048 | MXG_33 |
| 7| 19:36:08 | Market 1 | Sell | 671.23 | 0.0060 | 4.02738 | 0.00054 | MXG_33 |
| 8| 13:01:41 | Market 1 | Buy | 667.15 | 0.0015 | 1.00073 | 0.00011 | MXG_33 |
| 9| 13:01:41 | Market 1 | Buy | 667.10 | 0.0185 | 12.3414 | 0.00132 | MXG_33 |
|10| 07:14:36 | Market 1 | Sell | 657.55 | 0.0107 | 7.03579 | 0.00079 | MXG_33 |
|11| 07:14:36 | Market 1 | Sell | 657.08 | 0.0005 | 0.32854 | 0.00004 | MXG_33 |
|12| 07:14:36 | Market 1 | Sell | 656.59 | 0.0088 | 5.77799 | 0.00071 | MXG_33 |
第2步:將訂單合並回1行pr訂單中:
d_agg = {'Market':'first'
,'Type':'first'
,'Price':'mean'
,'Amount':'sum'
,'Total':'sum'
,'Fee':'sum'
,'Acc':'first'}
(df.groupby('Time', sort=False)['Market','Type','Price','Amount','Total','Fee','Acc'].agg(d_agg).reset_index())
步驟3-最終結果:(但“價格”列顯示的是平均價格,而不是加權平均價格)。
| 1| Time | Market | Type | Price | Amount | Total | Fee | Acc |
| 2|-----------|-----------|-------|----------|---------|-----------|----------|---------|
| 3| 22:12:15 | Market 1 | Buy | 659.955 | 0.0200 | 13.20135 | 0.00140 | MXG_33 |
| 4| 19:36:08 | Market 1 | Sell | 670.520 | 0.0200 | 13.40929 | 0.00172 | MXG_33 |
| 5| 13:01:41 | Market 1 | Buy | 667.125 | 0.0200 | 13.34213 | 0.00242 | MXG_33 |
| 6| 07:14:36 | Market 1 | Sell | 657.073 | 0.0200 | 13.14232 | 0.00154 | MXG_33 |
groupby對象的.apply方法將允許您在組級別處理數據並返回數據幀。
def fn(group):
group['weighted_avg'] = group['Price'] * group['Amount'] / group['Amount'].sum()
return group
d_agg = {'Market':'first'
,'Type':'first'
,'weighted_avg':'sum'
,'Amount':'sum'
,'Total':'sum'
,'Fee':'sum'
,'Acc':'first'}
df.groupby('Time', sort=False).apply(fn).groupby('Time').agg(d_agg)
# if you don't understand what the code is doing, try:
print(df.groupby('Time', sort=False).apply(fn))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.