Pandas 多索引操作

Question

我不是很擅长Python，但我有一个问题的“创可贴”解决方案，并试图找出是否有更好的方法来做事。我有一个从 pandas_datareader 下载的股票数据框。这给了我一个 MultiIndex df，我正在尝试精确确定我想要的属性。

来自 pandas_datareader 的初始 df 导致以下结构：

我只想获取此结构中的“最高价”和“收盘价”。为此，我做了以下工作：

  df.loc[:, ['High', 'Close']]

这给了我：

这接近我想要的，但不是按股票分组，而是按属性分组。为了按股票对属性进行分组，我尝试交换级别，然后指定我想要的列：

newdf = df.swaplevel(axis='columns')
newdf.loc[:, [('BHP.AX','High'),('BHP.AX','Close'),('S32.AX','Close'),('S32.AX','High')]]

这给了我想要的结果，但似乎是一种非常“硬编码”且效率低下的方法：

有没有更通用的方法可以做到这一点？我希望能够只指定属性（例如收盘价、最高价等）以及其中所有股票的结果（按股票而不是属性分组）。这个 Multiindex 对我来说并不容易，因此感谢您提供的任何帮助。

Answer 1

您可以使用索引切片功能轻松获取。请更正 'ACN' 和 'IT'，因为我在不同的股票上进行了测试。参考.MultiIndex / advanced indexing

idx = pd.IndexSlice
data = data.loc[:,idx[:,('High','Low','ACN','IT')]] # edit your symbol
data = data.swaplevel(axis='columns')
data.sort_index(level=0, axis=1, inplace=True)

data.head()
    ACN IT
Close   High    Close   High
Date                
2020-03-31  163.259995  169.880005  99.570000   109.160004
2020-04-01  154.679993  160.820007  93.290001   96.209999
2020-04-02  156.270004  160.500000  94.099998   94.919998
2020-04-03  152.149994  158.720001  91.820000   94.290001
2020-04-06  166.050003  166.750000  99.860001   100.940002

Answer 2

找到了一个相当简单的解决方案。

newdf = rawout.loc[:,['Close','High', 'Open']].swaplevel(axis='columns')

使用这个不需要指定所有的股票。我在上面的代码中交换了级别，但这可能不是其他人所需要的。

Pandas 多索引操作

Pandas MultiIndex manipulation

pandas

pandas-datareader