groupbyの複合/複数列演算

Question

ループを使用せずに、以前の計算結果（すなわち、diffの計算）を使用し、次のようなネイティブ・パンダ関数を使用しないで、複数列演算（以下correlate）を実行したいとします。 groupbyおよびagg。これは可能ですか？

import pandas as pd 
import datetime 
import numpy as np 

np.random.seed(0) 
df = pd.DataFrame({'date': [datetime.datetime(2010,1,1)+datetime.timedelta(days=i*15) 
          for i in range(0,100)], 
        'invested': np.random.random(100)*1e6, 
        'return': np.random.random(100), 
        'side': np.random.choice([-1, 1], 100)}) 

df['year'] = df['date'].apply(lambda x: x.year) 

# want to get rid of the for loop below 
ret_year = [] 
for year in list(list(df['year'].unique())): 
    df_this_year = df[df['year'] == year] 
    min_short = df_this_year[df_this_year['side'] == -1]['return'].max() 
    min_long = df_this_year[df_this_year['side'] == -1]['return'].min() 
    min_diff = min_long - min_short 
    avg_inv = df_this_year['invested'].mean() 
    corr = np.correlate(df_this_year['invested'], df_this_year['return'])[0] 
    ret_year.append({'year': year, 'min_short': min_short, 'min_long': min_long, 
        'min_diff': min_diff, 'avg_inv': avg_inv, 'corr': corr}) 

print(pd.DataFrame(ret_year)) 

結果：ここで

  avg_inv   corr min_diff min_long min_short year 
0 590766.254452 8.821215e+06 -0.664752 0.297437 0.962189 2010 
1 490224.532564 6.122306e+06 -0.900289 0.019193 0.919483 2011 
2 438330.806563 4.768964e+06 -0.929680 0.069167 0.998847 2012 
3 373038.880789 4.677380e+06 -0.779678 0.164694 0.944372 2013 
4 416817.752705 5.014249e+04 0.000000 0.434417 0.434417 2014 

は、いくつかの類似した質問が、まったく同じではありません。

• Python Pandas: Groupby and Apply multi-column operation
• Pandas, create columns after groupby
• Apply multiple functions to multiple groupby columns

Answer 1

forループを繰り返す代わりに、パンダgroupby + applyを利用してください。日付列をインデックスに入れて、年単位でグループ化することで、自分自身で簡単にすることができます。pd.TimeGrouper('A') - 'A'は年のパンダの日付オフセット別名です。

def calculate(x): 
    min_short = x.loc[x['side'] == -1, 'return'].max() 
    min_long = x.loc[x['side'] == -1, 'return'].min() 
    min_diff = min_long - min_short 
    avg_inv = x['invested'].mean() 
    corr = np.correlate(x['invested'], x['return'])[0] 
    return pd.Series([avg_inv, corr, min_diff, min_long, min_short], 
        index=['avg_inv','corr','min_diff','min_long','min_short']) 

df.groupby(pd.TimeGrouper('A')).apply(calculate).to_period('A') 


      avg_inv   corr min_diff min_long min_short 
date                
2010 590766.254452 8.821215e+06 -0.664752 0.297437 0.962189 
2011 490224.532564 6.122306e+06 -0.900289 0.019193 0.919483 
2012 438330.806563 4.768964e+06 -0.929680 0.069167 0.998847 
2013 373038.880789 4.677380e+06 -0.779678 0.164694 0.944372 
2014 416817.752705 5.014249e+04 0.000000 0.434417 0.434417