时间戳

首页 > 解决方案 > 计算来自彭博 API 的 python pandas 中选定季度数据的回报

python - 计算来自彭博 API 的 python pandas 中选定季度数据的回报

问题描述

目前，我正在使用，并对Python 熊猫数据框Bloomberg API做一些事情。web crawler我已经检索了数据，并正在与他们进行一些分析以创建某种模拟。比方说，我有这些数据：

                  ABC US Equity
      2011-01-03    243.00
      2011-01-04    243.58
      2011-01-05    243.45
      2011-01-06    244.28
      2011-01-07    244.13
      2011-01-10    244.32
      2011-01-11    245.83
      2011-01-12    246.31
      2011-01-13    247.05
      2011-01-14    247.39
      2011-01-17    249.24
      2011-01-18    248.93
      2011-01-19    248.68
      2011-01-20    248.30
      2011-01-21    249.81
               ...  
      2011-04-01    437.32
               ...
      2011-07-01    438.40
               ...
      2011-10-03    438.79
               ... 
      2012-01-03    438.79

客观的

我想添加基于此标准计算回报的新列：

  1. 它从季度间隔数据中获取值，在本例中为2011-04-01、2011-07-01、2011-10-03和2011-01-03
  2. 将它们平均并与2011-01-03的数据相除，并将结果放入2012-01-03的新列中行的新列中
  3. 它也适用于下一行

期待

                 ABC US Equity   Return
      2011-01-03    243.00      #The result should be (average(437.32+438.40+438.79+439.81)/243.00)-1
      2011-01-04    243.58       and so on, same calculation on the next row
      2011-01-05    243.45       ... 
      2011-01-06    244.28       ...
      2011-01-07    244.13       ... 
      2011-01-10    244.32
      2011-01-11    245.83
      2011-01-12    246.31
      2011-01-13    247.05
      2011-01-14    247.39
      2011-01-17    249.24
      2011-01-18    248.93
      2011-01-19    248.68
      2011-01-20    248.30
      2011-01-21    249.81
               ...  
      2011-04-01    437.32
               ...
      2011-07-01    438.40
               ...
      2011-10-03    438.79
               ... 
      2012-01-03    439.81

到目前为止，我只尝试计算平均值，但结果本身仍与我的预期相差甚远

df['Return'] = [
    df2.loc[
        edt - pd.tseries.offsets.DateOffset(months=4):edt,
        'ABC US Equity'].mean() 
        for edt in df.index

这段代码反而产生了“滚动”的意思，而不是我所期望的。

有人知道如何解决这个问题吗？，我花了几天时间来解决这个问题。我是 Python 新手，如果是基本问题，我深表歉意。

标签： pythonpandasbloomberg

解决方案

您可以使用pd.date_range来设置比较季度。您只需选择开始日期，选择所需的期间数，然后通过设置freq='BQS'，即可获得营业季度开始时间：

quarters = pd.date_range(pd.Timestamp(2011,4,1), periods=4, freq='BQS')

然后，您可以将结果列设置为：

(df.loc[df['date_column'].isin(quarters), ['ABC US Equity']]
   .apply(lambda x: x.mean()/df['ABC US Equity']-1))

编辑：如果您的日期列是索引，您可以这样做：

df.reindex(quarters).apply(lambda x: x.mean()/df['ABC US Equity']-1)

确保您的索引是日期时间索引。如果不是，你可以这样做：

df.index = pd.to_datetime(df.index)

注意：您的样本包括 2 个日期为 2011-01-03 的值。如果最后一个值有误，您可能希望从 2011-04-01 开始您的季度，这将使您的最后一个季度日期为 2012-01-02。如果它们都有效但您想排除平均值中的第一个，则需要添加.iloc[1:]到上面的第一行。

推荐阅读