0
In [1]: from datetime import datetime
In [2]: import os
In [3]: import pandas as pd
In [4]: file_path = os.path.normpath('F:/EUR/data.csv')
In [5]: parse = lambda x: datetime.strptime(x, '%d.%m.%Y %H:%M:%S')
In [6]: df = pd.read_csv(file_path, parse_dates=[[0, 1]], date_parser=parse, ind
ex_col=[0], header=None)
In [7]: keys = ['Open', 'High', 'Low', 'Close']
In [8]: df.columns = [x for x in keys]
In [9]: grouped = df.groupby([df.index.year, df.index.day])
In [10]: df[:5]
Out[10]:
Open High Low Close
0_1
2007-01-02 23:30:00 1.3198 1.3205 1.3197 1.3203
2007-01-02 00:00:00 1.3203 1.3206 1.3200 1.3205
2007-01-02 00:30:00 1.3205 1.3213 1.3205 1.3212
2007-01-02 01:00:00 1.3212 1.3217 1.3211 1.3214
2007-01-02 01:30:00 1.3214 1.3226 1.3213 1.3225
1.I需要做分组对象简单的数学,并把结果在新列,如: if df['Close']>df['Open']:
df['sum']=df['Close']-df['Open']
2.And我为什么不能像组:grouped = df.groupby([df.index.year, df.index.day,df['Close'>df['Open'])
在大熊猫数据帧对象添加新列列数学
不要完全机械已了解GROUPBY
我3.How可以把导致像新列:
for (k1, k2), group in grouped:
df['new_col']=group[group['Close']>group['Open']]['Close']-group[group['Close']>group['Open']]['Open']
或者也许是更好的方法。
该解决方案的工作。请举例说明内联函数。 – yuran 2013-03-19 02:29:40
您可以提供我可以在我的终端中剪切/粘贴的数据。这会让你更容易完成答案。 – Vincent 2013-03-19 12:03:02
Thx Vincent寻求帮助。我提供数据作为你的要求。 – yuran 2013-03-19 13:11:35