Python 如何在多索引数据框中将数据延迟x个特定天数？

我有一个数据框，其中包含日期、资产，然后是价格/数量数据。我试图从7天前提取数据，但问题是我不能使用shift（），因为我的表中缺少日期

 date   cusip   price   price_7daysago
1/1/2017    a   1   
1/1/2017    b   2   
1/2/2017    a   1.2 
1/2/2017    b   2.3 
1/8/2017    a   1.1         1
1/8/2017    b   2.2         2

我尝试创建一个lambda函数来尝试使用loc和timedelta来创建此移位，但我只能输出空的numpy数组：

def row_delta(x, df, days, colname):
    if datetime.strptime(x['recorddate'], '%Y%m%d') - timedelta(days) in [datetime.strptime(x,'%Y%m%d') for x in   df['recorddate'].unique().tolist()]:
        return df.loc[(df['recorddate_date'] == df['recorddate_date'] - timedelta(days)) & (df['cusip'] == x['cusip']) ,colname]
    else:
        return 'nothing'

我也想过做一些类似的事情来填补缺失的日期，但我的问题是我有多个索引，日期和CUSIP，所以我不能只是重新索引这个

---

我真的不知道我还能做什么，但任何帮助都将不胜感激

merge

将

DataFrame

与其自身合并，同时在右侧框架的日期列中添加7天。使用

后缀

参数适当地命名列

import pandas as pd

df['date'] = pd.to_datetime(df.date)
df.merge(df.assign(date = df.date+pd.Timedelta(days=7)), 
         on=['date', 'cusip'],
         how='left', suffixes=['', '_7daysago'])

输出：

df

        date cusip  price  price_7daysago
0 2017-01-01     a    1.0             NaN
1 2017-01-01     b    2.0             NaN
2 2017-01-02     a    1.2             NaN
3 2017-01-02     b    2.3             NaN
4 2017-01-08     a    1.1             1.0
5 2017-01-08     b    2.2             2.0

---

merge

将

DataFrame

与其自身合并，同时在右侧框架的日期列中添加7天。使用

后缀

参数适当地命名列

import pandas as pd

df['date'] = pd.to_datetime(df.date)
df.merge(df.assign(date = df.date+pd.Timedelta(days=7)), 
         on=['date', 'cusip'],
         how='left', suffixes=['', '_7daysago'])

输出：

df

        date cusip  price  price_7daysago
0 2017-01-01     a    1.0             NaN
1 2017-01-01     b    2.0             NaN
2 2017-01-02     a    1.2             NaN
3 2017-01-02     b    2.3             NaN
4 2017-01-08     a    1.1             1.0
5 2017-01-08     b    2.2             2.0

---

您可以将

date

和

cusip

设置为索引，并一起使用

unstack

和

shift

shifted = df.set_index(["date", "cusip"]).unstack().shift(7).stack()

---

然后，只需将

shift

与原始

df

合并，就可以将

日期

和

cusip

设置为索引，并将

取消堆栈

和

shift

一起使用

        date cusip  price  price_7daysago
0 2017-01-01     a    1.0             NaN
1 2017-01-01     b    2.0             NaN
2 2017-01-02     a    1.2             NaN
3 2017-01-02     b    2.3             NaN
4 2017-01-08     a    1.1             1.0
5 2017-01-08     b    2.2             2.0

shifted = df.set_index(["date", "cusip"]).unstack().shift(7).stack()

---

然后简单地将

shift

与您的原始

df

合并所需输出？抱歉，混淆-用所需输出更新（7天前的延迟）所需输出？抱歉，混淆-用所需输出更新（7天前的延迟）哈哈。。。我们两个都关注这个问题，可以用

'

来代替

nan

s，用

'

哈哈。。。我们两人都关注这个问题，可以用

'

fillna替换

nan

s

        date cusip  price  price_7daysago
0 2017-01-01     a    1.0             NaN
1 2017-01-01     b    2.0             NaN
2 2017-01-02     a    1.2             NaN
3 2017-01-02     b    2.3             NaN
4 2017-01-08     a    1.1             1.0
5 2017-01-08     b    2.2             2.0