时间戳

首页 > 解决方案 > Pandas 基于另一个单索引数据帧查询多索引数据帧

python - Pandas 基于另一个单索引数据帧查询多索引数据帧

问题描述

我有两个数据框：Data & Positions。

数据具有多索引：“日期”和“符号”。 Positions有一个索引：'Date'（并且有一列带有标签'Symbol'）。两个 'Date'-s 都是 DatetimeIndexes。

我想为 Positions 中的所有日期（索引）从 Data 中获取“ Open ”值到Positions。

如果我尝试以下操作：

positions['Open_price'] = data.loc['1997-02-10','AA'].Open

我在 1997 年 2 月 10 日为整个Positions数据框的 'Open_price' 字段正确获取了 'AA' 符号的 'Open' 值。但是，我的目标是获取相关日期（索引）和符号（列值）的“Open_price”。

所以我试试这个：

positions['Open_price'] = data.loc[positions.index,positions.Symbol].Open

然后我得到一个错误：

KeyError: "None of [DatetimeIndex(['1999-01-01',  ...\n  '2018-07-30'],\n  
        dtype='datetime64[ns]', length=7151, freq='D')] 
are in the [index]"

注意：重要的是Data的“日期”索引有缺失值（周末）。职位的“日期”索引没有缺失日期。

我怎样才能使这项工作？

重要的：

接受的答案有效，但我需要将熊猫版本 0.20.x 升级到 0.23.4！

标签： pythonpandasmulti-index

解决方案

您可以使用.join()和.rename()：

position.join(data, on=['Date','Symbol']).rename(columns={'Open': 'Open_price'})

这是一个完整的例子：

data = pd.DataFrame([['08-02-2018', 'NDA', 0.123], ['08-02-2018','DFA', 0.234],
                    ['08-03-2018', 'NFX', 0.451], ['08-04-2018', 'BBA', 0.453]],
                   columns=['Date', 'Symbol', 'Open']).set_index(['Date', 'Symbol'])

position = pd.DataFrame([['08-02-2018', 'NDA'],['08-03-2018', 'NFX'],
                    ['08-04-2018', 'TYA'],['08-04-2018', 'BBA']],
                   columns=['Date', 'Symbol']).set_index(['Date'])

data.index = data.index.set_levels([pd.to_datetime(data.index.levels[0]), data.index.levels[1]])
position.index = pd.to_datetime(position.index)

position = position.join(data, on=['Date','Symbol']).rename(columns={'Open': 'Open_price'})

这使：

数据

                    Open
Date       Symbol       
2018-08-02 NDA     0.123
           DFA     0.234
2018-08-03 NFX     0.451
2018-08-04 BBA     0.453

位置

           Symbol
Date             
2018-08-02    NDA
2018-08-03    NFX
2018-08-04    TYA
2018-08-04    BBA

使用上述.join()和打印position给出：

           Symbol   Open
Date                    
2018-08-02    NDA  0.123
2018-08-03    NFX  0.451
2018-08-04    TYA    NaN
2018-08-04    BBA  0.453

推荐阅读