Python 在一个数据帧中，每个日期只有一条记录

背景：在mplfinance中，我希望能够在同一个酒吧中绘制多个交易标记。据我所知，目前你只能在同一个酒吧中添加1个（或1买1卖）。除非我创建另一个系列，否则我不能在同一个酒吧的同一边再进行两次交易

以下是一个例子：

d = {'TradeDate': ['2018-10-15 06:00:00',
                   '2018-10-29 03:00:00',
                   '2018-10-29 03:00:00',
                   '2018-10-29 06:00:00',
                   '2018-11-15 05:00:00',
                   '2018-11-15 05:00:00',
                   '2018-11-15 05:00:00'],
     'Price': [1.1596,
               1.1433,
               1.13926,
               1.14015,
               1.1413,
               1.1400,
               1.1403]}
df = pd.DataFrame(data=d)

df

如您所见，2个日期时间有多个交易。现在，我想应用一个规则，即“如果每个日期有超过1个交易（此处：价格），则为附加价格创建一个新列，继续这样做，直到同一个交易日期（datetime）的所有价格都分布在各个列中，并且所有日期时间都是唯一的”。因此，同一日期的价格越高，就需要更多的额外列

最终结果如下所示（我手动欺骗了这些数据）：

---

诀窍是为每个唯一的datetime添加一个增量计数器。这样，如果多次遇到datetime，此计数器将增加

为此，我们按tradedate分组，并获得给定tradedate的重复tradedate数量的累积计数。然后我把1加到这个值上，这样我们的计数从1开始，而不是从0开始

df["TradeDate_count"] = df.groupby("TradeDate").cumcount() + 1

print(df)
            TradeDate    Price  TradeDate_count
0 2018-10-15 06:00:00  1.15960                1
1 2018-10-29 03:00:00  1.14330                1
2 2018-10-29 03:00:00  1.13926                2
3 2018-10-29 06:00:00  1.14015                1
4 2018-11-15 05:00:00  1.14130                1
5 2018-11-15 05:00:00  1.14000                2
6 2018-11-15 05:00:00  1.14030                3

现在，我们已经添加了该列，我们可以简单地旋转以实现您想要的结果。注意，我添加了一个

rename（…）

方法，只是为了在列名中添加“price”。我还使用了

rename\u axis

方法，因为我们的pivot为一些用户难以查看的列返回了一个命名索引，所以我认为最好删除它

new_df = (df.pivot(index="TradeDate", columns="TradeDate_count", values="Price")
           .rename(columns="price{}".format)
           .rename_axis(columns=None))

                      price1   price2  price3
TradeDate                                    
2018-10-15 06:00:00  1.15960      NaN     NaN
2018-10-29 03:00:00  1.14330  1.13926     NaN
2018-10-29 06:00:00  1.14015      NaN     NaN
2018-11-15 05:00:00  1.14130  1.14000  1.1403

---

一种稍有不同的方法是按

TradeDate

对数据进行分组，并将所有值合并到一个列表中。然后可以将其拉入单独的列并分配给新的数据帧

reduce = df.groupby('TradeDate').agg(list)
new_df = pd.DataFrame(reduced['Price'].to_list(), index=reduced.index)

根据另一个答案，如果您想为了更好的理解而重命名，您可以执行以下操作：

new_df.rename(columns=lambda x: f'Price{x if x > 0 else ""}', inplace=True)

---

非常优雅，应该已经想到了，但是我仍然在努力使用所有不同但相似的方法（join、merge、pivot、groupby），不用担心，我已经花了相当多的时间在

pandas

上，所以大多数这些数据操作都是第二天性。然而，如果你还没有看到它，我肯定会推荐它，它肯定有助于组织所有这些方法所做的事情。

reduce = df.groupby('TradeDate').agg(list)
new_df = pd.DataFrame(reduced['Price'].to_list(), index=reduced.index)

new_df.rename(columns=lambda x: f'Price{x if x > 0 else ""}', inplace=True)