为因子变量的每个级别比较数据帧的两个连续行的值 - Python Pandas

Question

我有一个 pandas 数据框，其中包含交易者随时间变化的头寸，我是这样创建的：

history = pd.read_csv(r"history.csv")
history = DataFrame(history, columns=['Symbol', 'Size', 'Entry Price',
                                            'Mark Price', 'PNL (ROE %)', 'Last Position Update'])
frames = [historylast, history]
history = pd.concat(frames)
positions = historylast['Symbol'].tolist()
historylast_symbol_set = set(positions)

其中 historylast 是包含当前位置的最后一个抓取的数据库，history 是包含先前位置的本地副本。这是结果：

history = history.sort_values('Symbol')
print (history)
      Symbol         Size  ...    PNL (ROE %)  Last Position Update
0    BNBUSDT      250.800  ...    7702.095588   2021-05-01 03:12:09
5    BNBUSDT     1000.800  ...   43351.359565   2021-04-29 03:51:41
0    BTCUSDT       54.422  ...  513277.155788   2021-04-25 21:03:13
0    BTCUSDT       54.422  ...  328896.563684   2021-04-25 21:03:13
1   DOGEUSDT  2600000.000  ...   46896.408000   2021-05-01 08:24:51

此数据框是通过汇总交易者一段时间内的头寸创建的。我想做的是查看每个硬币的最后可用 'Size' 相对于前一个是否发生了变化。例如，对于BNBUSDT，上次大小为250，相对于之前的大小1000减少了75%。对于BTCUSDT，大小自上次以来没有变化。而DOGEUSDT没有之前的数据可以对比，所以还是100%买仓。

为了实现这一点，我虽然应该将数据帧拆分为不同的数据帧，每个符号一个，并使用 for 循环计算并保存百分比变化，但我遇到了困难，想知道是否没有更好的方法.任何帮助将不胜感激

Answer 1

以下面的 df 为例（也将使用列名 Symbol 和 Size）

import pandas as pd 

d = {'Symbol': ["A", "C", "A", "B", "A", "B", "A"], 'Size': [1, 1, 2, 3, 4, 5, 4]}
df = pd.DataFrame(data=d) 

print(df) 
>>>>  Symbol  Size
  0      A     1
  1      C     1
  2      A     2
  3      B     3
  4      A     4
  5      B     5
  6      A     4

要检索每个符号的最后两行，请执行以下操作

g = df.groupby('Symbol').head(2)
g = g.sort_values('Symbol').reset_index(drop=True)

print(g)
>>>   Symbol  Size
   0      A     1
   1      A     2
   2      B     3
   3      B     5
   4      C     1

之后，为了计算各个组的每个大小之间的差异，假设该更改的值是相关的，创建一个新列以显示该差异

g['Difference'] = g.groupby('Symbol').diff()

print(g)
>>>   Symbol  Size  Difference
 0      A     1         NaN
 1      A     2         1.0
 2      B     3         NaN
 3      B     5         2.0
 4      C     1         NaN

请注意，第一个元素显示为 NaN，因为它没有更改。

为因子变量的每个级别比较数据帧的两个连续行的值 - Python Pandas

Comparing the value of two consecutive rows of a dataframe for each level of a factor variable - Python Pandas

python

pandas

dataframe

time-series

comparison