Python Groupby函数

我正在尝试使用

Pandas

中的

groupby

函数来计算使用

groupby

函数买卖数量的差异

我尝试了很多不同的方法，但都没有找到解决办法

df=pd.DataFrame（{'Security Name'：['Max-Pro'，'Max-Pro'，'AVG'，'AVG']，
‘Bos’：[‘买’、‘卖’、‘买’、‘卖’]，
“交易量”：[200015005002000]
})
#这是我得到的输出
证券名称和交易量
0 Max Pro Buy 2000
1最大专业销售1500台
2平均购买500
3 2000年平均销售额
gb=df.groupby（'安全名称'）

使用groupby函数所需的输出-

   Security Name          Diff_in_Traded_Quantity
  0  Max Pro                    500
  1  AVG                       -1500

无法获取上述结果。已尝试应用和

agg（）

函数，但无法解决此问题

我需要帮助

似乎您需要使用

groupby

：

df['Quantity Traded'].diff().groupby(df['Security Name'],sort=False).last()

---

---

从你的例子中我了解到，

Bos==“买入”

是一种

交易量

损失，而

Bos==“卖出”

是一种

交易量

收益。考虑到这一点，您可以执行以下操作：

df = pd.DataFrame({
    'Security Name':['Max Pro','Max Pro','AVG','AVG'] ,
    'Bos':['Buy','Sell','Buy','Sell'],
    'Quantity Traded': [2000,1500,500,2000]
})

# Set the Bos == Sell as negative values
df.loc[ df["Bos"] == "Sell", "Quantity Traded" ] *= -1 
df = df.groupby("Security Name").sum()

---

每个小组都有两行吗？如果行得通，请回答并结束这个问题。非常感谢，这很有效：）为了解决这个问题，我们已经努力了一段时间。

df = pd.DataFrame({
    'Security Name':['Max Pro','Max Pro','AVG','AVG'] ,
    'Bos':['Buy','Sell','Buy','Sell'],
    'Quantity Traded': [2000,1500,500,2000]
})

# Set the Bos == Sell as negative values
df.loc[ df["Bos"] == "Sell", "Quantity Traded" ] *= -1 
df = df.groupby("Security Name").sum()