熊貓數據幀計算僅用於專用部件

Question

我有一個數據幀，其被構造爲：

  Date ticker adj_close 
0 2016-11-21  AAPL 111.730  
1 2016-11-22  AAPL 111.800  
2 2016-11-23  AAPL 111.230  
3 2016-11-25  AAPL 111.790  
4 2016-11-28  AAPL 111.570  
...   
8 2016-11-21  ACN 119.680    
9 2016-11-22  ACN 119.480    
10 2016-11-23  ACN 119.820    
11 2016-11-25  ACN 120.740 
... 

如果我計算下面的等式：

TimeSeriesLogReturns = np.log(GetTimeSeriesLevels['adj_close']/GetTimeSeriesLevels[‌​'adj_close'].shift(1‌​)) 

目前被用於整個列表執行的計算和來自兩種不同股票的數據是混合的，這不應該是這種情況。所以我想讓計算依賴於代碼。

Answer 1

試試這個：

In [91]: df['new'] = df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1))) 

In [92]: df 
Out[92]: 
     Date ticker adj_close  new 
0 2016-11-21 AAPL  111.73  NaN 
1 2016-11-22 AAPL  111.80 1.000627 
2 2016-11-23 AAPL  111.23 0.994902 
3 2016-11-25 AAPL  111.79 1.005035 
4 2016-11-21 ACN  119.68  NaN 
5 2016-11-22 ACN  119.48 0.998329 
6 2016-11-23 ACN  119.82 1.002846 
7 2016-11-25 ACN  120.74 1.007678 

In [93]: df['log'] = np.log(df.groupby('ticker')['adj_close'].apply(lambda x: x.div(x.shift(1)))) 

In [94]: df 
Out[94]: 
     Date ticker adj_close  new  log 
0 2016-11-21 AAPL  111.73  NaN  NaN 
1 2016-11-22 AAPL  111.80 1.000627 0.000626 
2 2016-11-23 AAPL  111.23 0.994902 -0.005111 
3 2016-11-25 AAPL  111.79 1.005035 0.005022 
4 2016-11-21 ACN  119.68  NaN  NaN 
5 2016-11-22 ACN  119.48 0.998329 -0.001673 
6 2016-11-23 ACN  119.82 1.002846 0.002842 
7 2016-11-25 ACN  120.74 1.007678 0.007649