小编Pat*_*Pat的帖子
Pandas总和重复的指数和总和
我有一个按日期索引的数据框
transactions_ind
Out[25]:
Ticker Transaction Number_of_units Price
Date
2012-10-11 ROG VX Equity Buy 12000 182.00000
2012-10-16 ROG VX Equity Sell -5000 184.70000
2012-11-16 ROG VX Equity Sell -5000 175.51580
2012-12-07 ROG VX Equity Buy 5000 184.90000
2012-12-11 ROG VX Equity Sell -3000 188.50000
2012-12-11 ROG VX Equity Reversal: Sell 3000 188.50000
2012-12-11 ROG VX Equity Sell -3000 188.50000
2012-12-11 ROG VX Equity Reversal: Sell 3000 188.50000
2012-12-11 ROG VX Equity Sell -3000 188.50000
2012-12-20 ROG VX Equity Sell -5000 185.80000 …8
推荐指数
推荐指数
1
解决办法
解决办法
4385
查看次数
查看次数
Python pandas按日期列表选择行
如何按日期列表选择数据框的多行
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
In[1]: df
Out[1]:
A B C D
2013-01-01 0.084393 -2.460860 -0.118468 0.543618
2013-01-02 -0.024358 -1.012406 -0.222457 1.906462
2013-01-03 -0.305999 -0.858261 0.320587 0.302837
2013-01-04 0.527321 0.425767 -0.994142 0.556027
2013-01-05 0.411410 -1.810460 -1.172034 -1.142847
2013-01-06 -0.969854 0.469045 -0.042532 0.699582
myDates = ["2013-01-02", "2013-01-04", "2013-01-06"]
所以输出应该是
A B C D
2013-01-02 -0.024358 -1.012406 -0.222457 1.906462
2013-01-04 0.527321 0.425767 -0.994142 0.556027
2013-01-06 -0.969854 0.469045 -0.042532 0.699582
6
推荐指数
推荐指数
2
解决办法
解决办法
2357
查看次数
查看次数
Seaborn热图注释在细胞中的位置
默认情况下,Seaborn热图中的注释位于每个单元格的中间.是否可以将注释移动到"左上角".
6
推荐指数
推荐指数
1
解决办法
解决办法
2836
查看次数
查看次数
将长字符串转换为data.frame
这是一个菜鸟问题,但我对此感到疯狂.我有一个名为bars.list的字符向量,我从FTP Sever下载.矢量看起来像这样:
"\"\",\"times\",\"open\",\"high\",\"low\",\"close\",\"numEvents\",\"volume\"\r\n\"1\",2015-05-18 06:50:00,23.98,23.98,23.5,23.77,421,0\r\n\"2\",2015-05-18 07:50:00,23.77,23.9,23.34,23.6,720,0\r\n\"3\",2015-05-18 08:50:00,23.6,23.6,23.32,23.42,720,0\r\n\"4\",2015-05-18 09:50:00,23.44,23.91,23.43,23.66,720,0\r\n\"5\",2015-05-18 10:50:00,23.67,24.06,23.59,24.02,720,0\r\n\"6\",2015-05-18 11:50:00,24.02,24.04,23.32,23.33,720,0\r\n\"7\",2015-05-18 12:50:00,23.33,23.42,22.74,22.81,720,0\r\n\"8\",2015-05-18 13:50:00,22.79,22.92,22.49,22.69,720,0\r\n\"9\",2015-05-18 14:50:00,22.69,22.7,22.14,22.14,481,0\r\n\"10\",2015-05-19 06:50:00,21.09,21.49,20.82,21.47,421,0\r\n\"11\",2015-05-19 07:50:00,21.48,21.68,21.46,21.51,720,0\r\n\"12\",2015-05-19 08:50:00,21.51,21.93,21.45,21.92,720,0\r\n\"13\",2015-05-19 09:50:00,21.92,21.92,21.55,21.55,720,0\r\n\"
我需要将此向量转换为可用格式,但是
> read.table(bars.list, header = TRUE, sep = ",", quote = "", dec = ".")
Error in file(file, "rt") : cannot open the connection
In addition: Warning message:
In file(file, "rt") :
cannot open file '"","times","open","high","low","close","numEvents","volume"
"1",2015-05-18 06:50:00,23.98,23.98,23.5,23.77,421,0
"2",2015-05-18 07:50:00,23.77,23.9,23.34,23.6,720,0
"3",2015-05-18 08:50:00,23.6,23.6,23.32,23.42,720,0
"4",2015-05-18 09:50:00,23.44,23.91,23.43,23.66,720,0
我不清楚为什么R告诉我某些Connection无法打开,因为该对象已作为参数粘贴到函数中.输出R向我显示警告标志已经非常接近我需要的...
5
推荐指数
推荐指数
1
解决办法
解决办法
471
查看次数
查看次数
控制seaborn热图中的单个线宽
是否可以加宽seaborn热图中特定列和行的线宽？
例如，这个热图可以
import numpy as np; np.random.seed(0)
import seaborn as sns; sns.set()
uniform_data = np.random.rand(10, 12)
ax = sns.heatmap(uniform_data, linewidths=1.0)
变成这样的东西：
5
推荐指数
推荐指数
1
解决办法
解决办法
2038
查看次数
查看次数
基于vaule从xts对象中提取日期
我想提取出现值变化的xts对象的日期,即A的值从1变为零或从0变为1的日期:
require(xts)
A <- xts(c(1,1,0,0,1,1,0,0,1,1), Sys.Date()-10:1)
colnames(A) <- c("A")
> A
A
2014-12-27 1
2014-12-28 1
2014-12-29 0
2014-12-30 0
2014-12-31 1
2015-01-01 1
2015-01-02 0
2015-01-03 0
2015-01-04 1
2015-01-05 1
期望的结果看起来像这样
> from.one.to.zero
[1] "2014-12-29" "2015-01-02"
> from.zero.to.one
[1] "2014-12-31" "2015-01-04"
4
推荐指数
推荐指数
1
解决办法
解决办法
6131
查看次数
查看次数
在jupyter ipython笔记本上导入pandas失败
我能够在spyder ide中导入pandas包; 但是,如果我尝试打开一个新的juypter笔记本,导入失败.
我在MAC OS X上使用Anaconda软件包分发.
这是我做的:
In [1]: import pandas
这是我得到的回应:
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-5-97925edf8fb0> in <module>()
----> 1 import pandas
//anaconda/lib/python2.7/site-packages/pandas/__init__.py in <module>()
11 "pandas from the source directory, you may need to run "
12 "'python setup.py build_ext --inplace' to build the C "
---> 13 "extensions first.".format(module))
14
15 from datetime import datetime
ImportError: C extension: hashtable not built. If you want to import pandas from the source directory, you may need …4
推荐指数
推荐指数
2
解决办法
解决办法
2万
查看次数
查看次数
重塑Pandas中的数据帧
是否有快速pythonic方式来转换此表
index = pd.date_range('2000-1-1', periods=36, freq='M')
df = pd.DataFrame(np.random.randn(36,4), index=index, columns=list('ABCD'))
In[1]: df
Out[1]:
A B C D
2000-01-31 H 1.368795 0.106294 2.108814
2000-02-29 -1.713401 0.557224 0.115956 -0.851140
2000-03-31 -1.454967 -0.791855 -0.461738 -0.410948
2000-04-30 1.688731 -0.216432 -0.690103 -0.319443
2000-05-31 -1.103961 0.181510 -0.600383 -0.164744
2000-06-30 0.216871 -1.018599 0.731617 -0.721986
2000-07-31 0.621375 0.790072 0.967000 1.347533
2000-08-31 0.588970 -0.360169 0.904809 0.606771
...
进入这张桌子
2001 2000
12 11 10 9 8 7 6 5 4 3 2 1 12 11 10 9 8 7 …4
推荐指数
推荐指数
1
解决办法
解决办法
52
查看次数
查看次数
按月重塑Pandas数据帧
任务是转换下表
import pandas as pd
import numpy as np
index = pd.date_range('2000-1-1', periods=700, freq='D')
df = pd.DataFrame(np.random.randn(700), index=index, columns=["values"])
df.groupby(by=[df.index.year, df.index.month]).sum()
In[1]: df
Out[1]:
values
2000 1 1.181000
2 -8.005783
3 6.590623
4 -6.266232
5 1.266315
6 0.384050
7 -1.418357
8 -3.132253
9 0.005496
10 -6.646101
11 9.616482
12 3.960872
2001 1 -0.989869
2 -2.845278
3 -1.518746
4 2.984735
5 -2.616795
6 8.360319
7 5.659576
8 0.279863
9 -5.220678
10 5.077400
11 1.332519
这看起来像这样
Jan Feb Mar Apr May Jun …3
推荐指数
推荐指数
1
解决办法
解决办法
680
查看次数
查看次数
R 如何将 apply 函数用于时间序列对象并将日期附加到特定列？
我有两个价格系列
require(quantmod)
require(TTR)
tickers = c("IBM","SPY")
getSymbols(tickers, from="2010-10-20", to="2014-09-22")
prices = do.call(merge, lapply(tickers, function(x) Cl(get(x))))
> head(prices)
IBM.Close SPY.Close
2010-10-20 139.07 117.87
2010-10-21 139.83 118.13
2010-10-22 139.67 118.35
2010-10-25 139.84 118.70
2010-10-26 140.67 118.72
2010-10-27 141.43 118.38
现在我想使用 TTR 包的 SMA 函数平滑系列。
sma.IMB = SMA(prices[,1])
sma.SPY = SMA(prices[,2])
sma.prices = cbind(sma.IBM, sma.SPY)
> head(sma.prices)
IBM.Close.SMA.3 SPY.Close.SMA.3
2010-10-20 NA NA
2010-10-21 NA NA
2010-10-22 139.5233 118.1167
2010-10-25 139.7800 118.3933
2010-10-26 140.0600 118.5900
2010-10-27 140.6467 118.6000
这在处理许多资产时非常乏味，所以我想使用 apply 缩短这个过程
sma.prices = apply(prices, …2
推荐指数
推荐指数
1
解决办法
解决办法
3064
查看次数
查看次数
熊猫堆积条形图与排序值
我的目标是创建多级数据框的堆积条形图.数据框如下所示:
import pandas as pd
import numpy as np
arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux', 'qux']),
np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two', 'three'])]
s = pd.Series([10,20,10,22,10,24,10,26, 11], index=arrays)
In[1]: s
Out[1]:
bar one 10
two 20
baz one 10
two 22
foo one 10
two 24
qux one 10
two 26
three 11
dtype: int64
我有两个目标:
创建一个堆积条形图,使得这些值被堆叠到4个单独的区间,称为"bar,baz,foo,qux".
4个酒吧应按大小排序.在这个例子中,qux条将具有高度(10 + 26 + 11 =)47并且应该是第一个左边,然后是foo条,其大小(10 + 24)= 34.
2
推荐指数
推荐指数
1
解决办法
解决办法
4140
查看次数
查看次数
使用Rblapi包来提取数据
我有一份ISIN列表,这是我唯一的信息来源.在Excel中,我可以捕获许多情况下需要的Bloomber股票代码,因为它指定了交易资产的交易所的代码.为此,我只需要在BDP() - 公式中添加"... Equity isin",其中"..."是ISIN的占位符.所以使用新的Rblpapi包(这是一个很棒的工具!)我可以尝试做同样的事情:
这是一个随机ISIN列表
isins = c("LU0942970442", "LU0997545750" ,"CH0019597530" , "CH0017142719" , "CH0131872431", "VGG0475N1087", "US46429B6974",
"LU0911032141" , "DE000A1JCWS9")
在bdp公式中添加"公平"并调用"TICKER_AND_EXCH_CODE"
require(Rblpapi)
blpConnect()
portfolio_ticker = bdp(paste(c(isins),"equity"), "TICKER_AND_EXCH_CODE")
但是没有指定一些代号.
> portfolio_ticker
TICKER_AND_EXCH_CODE
LU0942970442 equity XBAC SW
LU0997545750 equity AXESZHD LX
CH0019597530 equity
CH0017142719 equity
CH0131872431 equity
VGG0475N1087 equity ARIASII VI
US46429B6974 equity
LU0911032141 equity FCEUSMI LX
DE000A1JCWS9 equity CHOMCAR GR
我的问题是:这是一个思考错误在我身边还是包装中的错误？
编辑:作为一个例子,它在Excel中看起来如何,这是相应的图片.
1
推荐指数
推荐指数
1
解决办法
解决办法
607
查看次数
查看次数
标签 统计
python ×8
pandas ×7
dataframe ×3
r ×3
time-series ×3
date ×2
matplotlib ×2
seaborn ×2
xts ×2
zoo ×2
anaconda ×1
api ×1
apply ×1
bar-chart ×1
bloomberg ×1
blpapi ×1
csv ×1
duplicates ×1
excel ×1
heatmap ×1
indexing ×1
ipython ×1
jupyter ×1
pivot ×1
portfolio ×1
read.table ×1
select ×1
stacked ×1
sum ×1