pandasデータフレームでのデータの分離/操作

Question

pandasデータフレームの使用yahoo financeから在庫データにアクセスできました。私は月単位でそれを整理することができました。私は、株式が何年にもわたって何年に渡って行われているかを見ようとしています。具体的には、ある月がその期間内にプラスの価格上昇を何回行ったか（価格が常に12月の月に上がった場合、％と発生回数が表示されます）。私は現在、テスト用に1つの在庫「MSFT」を使用していますが、理想的にはより多くを分析します。私の問題：私はこの目的のためにデータフレーム内のデータにアクセスできないようです。ここで

はコードです：

from datetime import datetime 
import pandas_datareader.data as web 
import pandas as pd 
from pandas.tseries.offsets import CustomBusinessMonthBegin 

input_file = ['MSFT'] 
money_list = [] 

for ticker in input_file: 

    data = web.DataReader(ticker, "yahoo", datetime(2014,1,1), datetime(2015,12,31)) 

    monthly_data = data.index.to_period('M') 
    min_day_in_month_index = pd.to_datetime(data.set_index(monthly_data, append=True).reset_index(level=0).groupby(level=0)['Open'].min()) 
    custom_month_starts = CustomBusinessMonthBegin(calendar = min_day_in_month_index) 

    site_dict = {'Open':'first','High':'max','Low':'min','Close': 'last','Volume': 'sum','Adj Close': 'last'} 
    mthly_results = data.resample(custom_month_starts, how=site_dict) 

    month = { 0:'JAN', 1:'FEB', 2:'MAR', 3:'APR', 4:'MAY',5:'JUN', 6:'JUL', 7:'AUG', 8:'SEP', 9:'OCT',10:'NOV', 11:'DEC' } 

    print mthly_results 

Answer 1

あなたの質問の最初の部分が大幅に簡略化することができます。 （あなたのコードは非常に複雑です）。

まず、各月の最小値がわかります。 その後、元のデータセットに再び参加します。 これで、最小の発生日と他の列が作成されました。

質問の2番目の部分は、よりトリッキーです。増減率を調べるには、もう少し機械が必要です。

ある月の増減を追跡するためのクラスを追加しました。 次に、すべての最小値を繰り返して、毎月の変化率を求めます。 それから素晴らしいdataFrameでそれを印刷してください。

from datetime import datetime 
import pandas.io.data as web 
import pandas as pd 

class MonthlyChange(object): 
    months = { 0:'JAN', 1:'FEB', 2:'MAR', 3:'APR', 4:'MAY',5:'JUN', 6:'JUL', 7:'AUG', 8:'SEP', 9:'OCT',10:'NOV', 11:'DEC' } 

    def __init__(self,month): 
     self.month = MonthlyChange.months[month-1] 
     self.sum_of_pos_changes=0 
     self.sum_of_neg_changes=0 
     self.total_neg=0 
     self.total_pos=0 
    def add_change(self,change): 
     if change < 0: 
      self.sum_of_neg_changes+=change 
      self.total_neg+=1 
     elif change > 0: 
      self.sum_of_pos_changes+=change 
      self.total_pos+=1 
    def get_data(self): 
     if self.total_pos == 0: 
      return (self.month,0.0,0,self.sum_of_neg_changes/self.total_neg,self.total_neg) 
     elif self.total_neg == 0: 
      return (self.month,self.sum_of_pos_changes/self.total_pos,self.total_pos,0.0,0) 
     else: 
      return (self.month,self.sum_of_pos_changes/self.total_pos,self.total_pos,self.sum_of_neg_changes/self.total_neg,self.total_neg) 


for ticker in ['MSFT'] : 

    data = web.DataReader(ticker, "yahoo", datetime(2014,1,1), datetime(2015,12,31)) 
    data['ymd'] = data.index 
    year_month = data.index.to_period('M') 
    data['year_month'] = year_month 
    first_day_of_months = data.groupby(["year_month"])["ymd"].min() 
    first_day_of_months = first_day_of_months.to_frame().reset_index(level=0) 
    last_day_of_months = data.groupby(["year_month"])["ymd"].max() 
    last_day_of_months = last_day_of_months.to_frame().reset_index(level=0) 
    fday_open = data.merge(first_day_of_months,on=['ymd']) 
    fday_open = fday_open[['year_month_x','Open']] 
    lday_open = data.merge(last_day_of_months,on=['ymd']) 
    lday_open = lday_open[['year_month_x','Open']] 

    fday_lday = fday_open.merge(lday_open,on=['year_month_x']) 
    monthly_changes = {i:MonthlyChange(i) for i in range(1,13)} 
    for index,ym, openf,openl in fday_lday.itertuples(): 
     month = ym.strftime('%m') 
     month = int(month) 
     diff = (openf-openl)/openf 
     monthly_changes[month].add_change(diff) 
    changes_df = pd.DataFrame([monthly_changes[i].get_data() for i in monthly_changes],columns=["Month","Avg Inc.","#Inc","Avg.Dec","#Dec"]) 
    print(changes_df) 

説明：

コードは、第一ウェブからデータをつかみます。

data = web.DataReader(ticker, "yahoo", datetime(2014,1,1), datetime(2015,12,31)) 

データは次のようになります。

日、オープン、高、低、閉じる、ボリューム、調整]閉じる

2014年10月29日、46.43,46.70,46.34,46.61,3027610,44.77

はそれから取得しますテーブルのすべての行の年と月。

year_month = data.index.to_period('M') 

次に、年と月のみの新しい列をテーブルに追加します。

data["year_month"] = year_month 

データは今、この

日、オープン、year_month、...（残りの列）

2015年3月11日、42.31、2015から03のように見えます。 ..

次は、year_monthの列をグループ化します。次に、毎月の列の最小値を見つけます。 私たちは分を取ることができるようにグループの中にすべての日を収集する必要があるので、グループバイをする必要があります。

monthly_mins = data.groupby(["year_month"])["Open"].min() 

ここではすべての月間最小値を1つの表にまとめました。最低限の日がわかっています。 しかし、他のすべての列が何であるかはわかりません。 これを元のテーブルに戻して、毎月の最小値を取得します。

month_min_open_df = data.merge(monthly_mins,on=["year_month","Open"])