Python DataFrame从每日数据中选择每月增量的行

Question

让我们直接进入问题.以下是每日数据:

             AAA    BBB    CCC
date                           
2012-04-16  44.48  28.48  17.65
2012-04-17  44.59  28.74  17.65
2012-04-18  44.92  28.74  17.72
2012-04-19  44.92  28.62  17.72
2012-04-20  45.09  28.68  17.71
2012-04-23  45.09  28.40  17.76
2012-04-24  45.09  28.51  17.73
2012-04-25  45.01  28.76  17.73
2012-04-26  45.40  28.94  17.76
2012-04-27  45.57  29.02  17.79
2012-04-30  45.45  28.90  17.80
2012-05-01  45.79  29.07  17.80
2012-05-02  45.71  28.98  17.77
2012-05-03  45.44  28.81  17.79
2012-05-04  45.05  28.48  17.79
2012-05-07  45.05  28.48  17.79
2012-05-08  45.00  28.40  17.93
2012-05-09  44.87  28.30  17.94
2012-05-10  44.93  28.34  17.85
2012-05-11  44.86  28.30  17.96
           ...    ...    ...

我想选择从第一行开始的每月递增的行,即索引为2012-04-16,2012-05-16,2012-06-16,...的行.我可以使用relativedelta并手动添加它们,但我想知道是否有更有效的方法.我尝试重新取样,但我只能选择每月的第一个或最后一个df.resample('M').first().

使问题更复杂的原因是缺少某些日期; 他们是工作日,但不是美国的工作日.有几种方法可以解决此问题:

1. 选择最接近日期的确切日期或更早的日期.如果此日期不存在,则开始查找以后的日期.

2. 选择最接近日期的确切日期或更晚的日期.如果此日期不存在,则开始查找较早的日期.

3. 无论是早期还是晚期,选择最接近确切日期的日期; 我可以用min(df.index, key=lambda x: abs(x - (df.index[0] + relativedelta(months=1))).

在每种情况下,我都想知道哪种方法最有效且易于阅读.在最后一个代码示例中,月份是一个变量,因此我不确定是否可以将其作为lambda过程并使用"apply".

提前致谢.

Answer 1

在我们查看您的数据之前,让我们先看看如何DatetimeIndex在每个月的特定日期创建一个数据.由于pd.date_range每月定期频率占用每个月的最后一天,我们可以简单地添加固定天数:

idx = pd.date_range('2018-04-01', '2018-07-01', freq='1M') + pd.DateOffset(days=16)

DatetimeIndex(['2018-05-16', '2018-06-16', '2018-07-16'],
              dtype='datetime64[ns]', freq=None)

现在让我们来看一个丢失了大约^第 16 天的示例数据帧:

              AAA    BBB    CCC
date                           
2012-04-16  44.48  28.48  17.65
2012-04-17  44.59  28.74  17.65
2012-05-15  45.79  29.07  17.80
2012-05-16  45.71  28.98  17.77
2012-05-17  45.44  28.81  17.79
2012-06-15  44.87  28.30  17.94
2012-06-17  44.95  28.50  17.98
2012-07-14  44.65  28.25  17.87
2012-07-17  44.55  28.75  17.75

正如您所提到的,您可以通过多种方式决定如何选择不匹配的日子,无论是向后,向前,还是寻找最近的,没有偏好.您需要考虑在项目环境中最合适的内容.以下是一个坚持Pandas功能并避免自定义lambda功能的解决方案.

使用定义数据框 DatetimeIndex

首先创建一个只指定了必需索引的数据框:

offset = pd.DateOffset(days=16)
start_date = df.index[0]-pd.DateOffset(months=1)
idx = pd.date_range(start_date, df.index[-1], freq='1M') + offset

df_idx = pd.DataFrame(index=idx)

请注意,我们需要从start参数中减去一个月,以便在添加16天后不会省略第一个月.现在您可以使用pd.merge_asof多种选项: -

匹配向后/向前/最近的通过 merge_asof

将direction参数指定为'backward'(默认),'forward'或'nearest'根据需要指定.例如,使用'forward':

print(pd.merge_asof(df_idx, df, left_index=True, right_index=True, direction='forward'))

              AAA    BBB    CCC
2012-04-16  44.48  28.48  17.65
2012-05-16  45.71  28.98  17.77
2012-06-16  44.95  28.50  17.98
2012-07-16  44.55  28.75  17.75

现在这可能足以满足您的需求.

编辑:如果要保留数据框中的索引,可以反转合并的方向并使用'backward'而不是'forward':

res = pd.merge_asof(df.reset_index(),
                    df_idx.reset_index().rename(columns={'index': 'date_idx'}),
                    left_on='date', right_on='date_idx', direction='backward')

res['diff'] = (res['date'] - res['date_idx']).dt.days.abs()
grouper = res['date'].dt.strftime('%Y-%m')
res = res[res['diff'] == res.groupby(grouper)['diff'].transform('min')]

print(res)

        date    AAA    BBB    CCC   date_idx  diff
0 2012-04-16  44.48  28.48  17.65 2012-04-16     0
3 2012-05-16  45.71  28.98  17.77 2012-05-16     0
6 2012-06-17  44.95  28.50  17.98 2012-06-16     1
8 2012-07-17  44.55  28.75  17.75 2012-07-16     1