在行而不是列中使用 TimeSeries 重塑 Pandas DataFrame

Question

我有一個 DataFrame df ，其中包含 2010 年 1 月至 2021 年 12 月期間每一天的價格數據（開盤價、收盤價、最高價、最低價）：

名稱	ISIN	數據	02.01.2010	05.01.2010	06.01.2010	...	2021 年 12 月 31 日
蘋果	US9835635986	開盤價	12.45	13.45	12.48	...	54.12
蘋果	US9835635986	收盤價	12.58	15.35	12.38	...	54.43
蘋果	US9835635986	價格高	12.78	15.85	12.83	...	54.91
蘋果	US9835635986	價格低	12月18日	13.35	12.21	...	53.98
微軟	US1223928384	開盤價	12.45	13.45	12.48	...	43.56
...	..	...	...	...	...	...	...

我正在嘗試將表格重塑為以下格式：

日期	名稱	ISIN	開盤價	收盤價	價格高	價格低
02.01.2010	蘋果	US9835635986	12.45	12.58	12.78	12月18日
05.01.2010	蘋果	US9835635986	13.45	15.35	15.85	13.35
...	...	...	...	...	...	...	...
02.01.2010	微軟	US1223928384	12.45	13.67	13.74	12.35

簡單地轉置 DateFrame 是行不通的。 我還嘗試了 pivot，它給出了操作數不能廣播到不同形狀的錯誤消息。

dates = ['NAME','ISIN']
dates.append(df.columns.tolist()[3:]) # appends all columns names starting with 02.01.2010
df.pivot(index = dates, columns = 'Data', Values = 'Data')

如何獲得所需格式的 DataFrame？

Answer 1

在轉換日期時間之前使用DataFrame.melt ，最后排序MultiIndex ：

df = (df.melt(['Name','ISIN','Data'], var_name='Date')
        .assign(Date = lambda x: pd.to_datetime(x['Date'], format='%d.%m.%Y'))
        .pivot(index = ['Date','Name','ISIN'], columns = 'Data', values = 'value')
        .sort_index(level=[1,2,0])
        .reset_index()
        )
print (df)
Data       Date       Name          ISIN  Price Close  Price High  Price Low  \
0    2010-01-02      Apple  US9835635986        12.58       12.78      12.18   
1    2010-01-05      Apple  US9835635986        15.35       15.85      13.35   
2    2010-01-06      Apple  US9835635986        12.38       12.83      12.21   
3    2021-12-31      Apple  US9835635986        54.43       54.91      53.98   
4    2010-01-02  Microsoft  US1223928384          NaN         NaN        NaN   
5    2010-01-05  Microsoft  US1223928384          NaN         NaN        NaN   
6    2010-01-06  Microsoft  US1223928384          NaN         NaN        NaN   
7    2021-12-31  Microsoft  US1223928384          NaN         NaN        NaN   

Data  Price Open  
0          12.45  
1          13.45  
2          12.48  
3          54.12  
4          12.45  
5          13.45  
6          12.48  
7          43.56  

另一個想法是首先將列名稱轉換為日期時間，然后通過DataFrame.stack和Series.unstack進行整形：

L = df.columns.tolist()
df = (df.set_axis(L[:3] + pd.to_datetime(L[3:], format='%d.%m.%Y').tolist(), axis=1)
         .rename_axis('Date', axis=1)
         .set_index(L[:3])
         .stack()
         .unstack(2)
         .reorder_levels([2,0,1])
         .reset_index())
print (df)
Data       Date       Name          ISIN  Price Close  Price High  Price Low  \
0    2010-01-02      Apple  US9835635986        12.58       12.78      12.18   
1    2010-01-05      Apple  US9835635986        15.35       15.85      13.35   
2    2010-01-06      Apple  US9835635986        12.38       12.83      12.21   
3    2021-12-31      Apple  US9835635986        54.43       54.91      53.98   
4    2010-01-02  Microsoft  US1223928384          NaN         NaN        NaN   
5    2010-01-05  Microsoft  US1223928384          NaN         NaN        NaN   
6    2010-01-06  Microsoft  US1223928384          NaN         NaN        NaN   
7    2021-12-31  Microsoft  US1223928384          NaN         NaN        NaN   

Data  Price Open  
0          12.45  
1          13.45  
2          12.48  
3          54.12  
4          12.45  
5          13.45  
6          12.48  
7          43.56