[英]How to find the top column values of each row in a pandas dataframe
[英]Find top 3 values in each dataframe row
我試圖從monthly_return
dataframe 中找到每個月回報率最高的前三只股票。
結果應如下所示:
數據:
!curl -L -s -o open_price.csv https://drive.google.com/uc?id=1eClVnVMMgw5bIFJ8sMS8h4d5Msj5gyKo
!curl -L -s -o low_price.csv https://drive.google.com/uc?id=1yRafpOnVQbCGUKq5YnIfXTZisCJQ386x
!curl -L -s -o high_price.csv https://drive.google.com/uc?id=1Kpwh_EgwjpSsFXojLrPvznmyl7z9_afk
!curl -L -s -o close_price.csv https://drive.google.com/uc?id=1IF96oVlbz1wOOKrcYbT7J1P6UCxVa5XI
!curl -L -s -o adj_close_price.csv https://drive.google.com/uc?id=1CjlEcxZkzYrNbqNQHPwLlAEvciEmtTF2
!ls
1. 任務 1導入 5.csv 文件並將生成的 DataFrames 命名為open_price
、 low_price
、 high_price
、 close_price
和adj_close_price
。
我的答案:
open_price = pd.read_csv("open_price.csv")
low_price = pd.read_csv("low_price.csv")
high_price = pd.read_csv("high_price.csv")
close_price = pd.read_csv("close_price.csv")
adj_close_price = pd.read_csv("adj_close_price.csv")
2. 任務 2將 5 個 DataFrame 重新整形並組合成 1 個 DataFrame(命名為price
),格式如下。
open_price_melted = pd.melt(open_price,id_vars="Date",var_name="Symbol",value_name="Open")
high_price_melted = pd.melt(high_price,id_vars="Date",var_name="Symbol",value_name="High")
low_price_melted = pd.melt(open_price,id_vars="Date",var_name="Symbol",value_name="Low")
close_price_melted = pd.melt(close_price,id_vars="Date",var_name="Symbol",value_name="Close")
adj_close_price_melted = pd.melt(adj_close_price,id_vars="Date",var_name="Symbol",value_name="Adj Close")
melted_df = [open_price_melted,high_price_melted.loc[:,[False,False,True]],low_price_melted.loc[:,[False,False,True]],close_price_melted.loc[:,[False,False,True]],adj_close_price_melted.loc[:,[False,False,True]]]
price = pd.concat(melted_df,join="inner",axis=1)
任務 3接下來,使用調整后的收盤價( Adj Close
列中的值)計算這 7 家公司自 2015 年 5 月以來的月度股票回報。 調整后的收盤價是考慮了股息支付、拆分和其他直接影響整體回報的因素的衡量標准。
為了計算每月股票收益,我們需要將月底調整后的收盤價與月初調整后的收盤價進行比較。 回報的公式以一個月內最后一天的價格除以第一天的價格開始。 然后從該結果中減去數字 1。 您可以將結果保留為十進制格式。 將生成的DataFrame
命名為monthly_return
。 它應該如下所示:
我的答案(我還沒有真正完成這個,因為我不知道如何 1)刪除月份文本和 2)刪除符號文本
stock = close_price
stock["Month"] = close_price["Date"].apply(lambda x: x[0:7])
stock_1 = pd.melt(stock, id_vars=["Date","Month"], var_name="Symbol", value_name="Adj Close")
stock_1_grp = stock_1.groupby(["Month","Symbol"])
stock_2 = stock_1_grp.agg([("", lambda x: x.iloc[len(x)-1]/x.iloc[0]-1)])
stock_2_pivot = pd.pivot_table(stock_2,values="Adj Close", index="Month", columns="Symbol")
stock_2_pivot.sort_index(axis=1)
stock_2_pivot.reset_index()
monthly_return = stock_2_pivot.iloc[1:36,0:]
monthly_return.reset_index()
任務 4 [主要問題]根據monthly_return,找出每個月回報率最高的前 3 只股票。 結果應如下所示:
對於任務 3、任務 4 或我的任何不正確代碼的任何幫助和建議將不勝感激。
你必須先取出 multiIndex ,我認為它應該這樣工作:
monthly_return.columns = [j for i,j in monthly_return.columns]
monthly_return.reset_index(inplace=True)
Month AMZN APPL FB GOOG NFLX SBUX TSLA
0 2015-05 0.015040 0.010314 0.002532 -0.010764 0.120335 0.033207 0.109587
1 2015-06 0.007356 -0.039145 0.068253 -0.025244 0.054445 0.026810 0.075406
處理此類數據的一種更簡單的方法是長 pivot,排序並取前 N 個,因此我們將其包裝到 function 中,以防止數據幀過度填充環境..(我不知道你有多少..):
def topN(data,n):
df = data.melt(id_vars='Month')
df = df.sort_values(by='value', ascending=False)
df = df.groupby('Month').head(n)
return df.sort_values(['Month','value'],ascending=[True,False])
然后我們這樣做:
topN(monthly_return,3)
Month variable value
140 2015-05 NFLX 0.120335
210 2015-05 TSLA 0.109587
175 2015-05 SBUX 0.033207
211 2015-06 TSLA 0.075406
71 2015-06 FB 0.068253
141 2015-06 NFLX 0.054445
2 2015-07 AMZN 0.225794
142 2015-07 NFLX 0.220795
107 2015-07 GOOG 0.198854
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.