时间戳

首页 > 解决方案 > 生成多个变量的函数的分组依据

python - 生成多个变量的函数的分组依据

问题描述

我正在尝试使用技术分析库（TA-lib）计算一些分组项目： https ://mrjbq7.github.io/ta-lib/

AROON 等一些函数会生成两个变量，AR_UP 和 AR_DOWN。

如果不进行分组，我将使用以下内容：

dft['AR_UP'], dft['AR_DOWN'] = ta.AROON(dft['High'], dft['Low'], 14)

它会在 dft 中生成 AR_UP 和 AR_DOWN

但是，当我尝试应用分组时：

grouped=dft.groupby(["StockCode"]).apply(lambda x: (ta.AROON(x['High'], x['Low'], 14)))

这使我分为：

StockCode
ABA    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
ABP    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
ABW    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
ACQ    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
ACU    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
                             ...                        
WTL    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
WZR    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
XPL    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
YBR    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
Z1P    ([nan, nan, nan, nan, nan, nan, nan, nan, nan,...
Length: 282, dtype: object

谁能告诉我哪里出错了？

我还想将其重新分配回原始数据框，例如：

grouped=(grouped.reset_index()
.groupby("StockCode",as_index=False)
.apply(lambda x: x.assign (AR_UP, AR_DOWN=(ta.AROON(x['High'], x['Low'], 14))))
.set_index('index') )

这有没有可能？

谢谢！

标签： pythonpandas-groupbyta-lib

解决方案

这行得通吗？它适用于我的示例函数，但我无法安装该软件包。也许它也适用于您的功能。groupby其次apply不适用于多个返回值。

import numpy as np
import pandas as pd

dft={'High': range(11,21),
     'Low': range(1,11),
     'StockCode':np.append(np.repeat("A", 6), np.repeat("B", 4))}

dft=pd.DataFrame(dft)

dft=dft.sort_values("StockCode")

def aroon(x, y, n):
    return x/sum(x)*n, y/sum(y)*n

def my(x):
    a, b=aroon(x["High"], x["Low"], 2)
    return pd.DataFrame({"UP":a, "LOW":b})

grp=dft.groupby("StockCode").apply(lambda x: my(x))

dat=pd.concat([dft, grp], axis=1)

print dat

   High  Low StockCode       LOW        UP
0    11    1         A  0.095238  0.271605
1    12    2         A  0.190476  0.296296
2    13    3         A  0.285714  0.320988
3    14    4         A  0.380952  0.345679
4    15    5         A  0.476190  0.370370
5    16    6         A  0.571429  0.395062
6    17    7         B  0.411765  0.459459
7    18    8         B  0.470588  0.486486
8    19    9         B  0.529412  0.513514
9    20   10         B  0.588235  0.540541

推荐阅读