Python 多索引上列级别的GroupBy和max

我试图为熊猫多列索引数据帧中的每一行获取最多2列

我已将多个股票数据加载到Pandas中，我正在尝试获取每个股票和每天的收盘价和开盘价的最大值

我给出的例子是一个简单化的例子，说明了我真正想做的事情，所以如果有人能给我一个解决方案，它不需要遍历每一列或每一行，并且运行时间很快，我将不胜感激

# import libaries
import pandas as pd
import datetime
from dateutil.relativedelta import relativedelta
from pandas_datareader import data as pdr
import fix_yahoo_finance as yf

#declare dates
end_date = datetime.date.today()
start_date = end_date - relativedelta(days=3)

#load stock data (this code sometimes brings an error, just rerun it and it should work within a few tries)
yf.pdr_override()
df = pdr.get_data_yahoo(['AAPL','FB'], start_date, end_date)
print(df)

输出：

              Open               Close  
              AAPL     FB        AAPL     FB
Date
2019-05-29    176.42   183.50    177.38   182.19
2019-05-30    177.95   183.08    178.30   183.01
2019-05-31    176.23   180.28    175.07   177.47

期望输出：

              Open               Close              Max     
              AAPL     FB        AAPL     FB        AAPL     FB
Date
2019-05-29    176.42   183.50    177.38   182.19    177.38   183.50
2019-05-30    177.95   183.08    178.30   183.01    178.30   183.08
2019-05-31    176.23   180.28    175.07   177.47    176.23   180.28

提前谢谢

试试这个

使用max关键字比较数据帧中的两个或更多列

import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [-2, 8, 1], "C": [1, 2, 3], "D": [-2, 8, 1]})
df["E"] = df[["A", "B"]].max(axis=1)
df["F"] = df[["C", "D"]].max(axis=1)
print(df)

Output:

    A   B   C   D   E   F
0   1   -2  1   -2  1   1
1   2   8   2   8   8   8
2   3   1   3   1   3   3

试试这个

使用max关键字比较数据帧中的两个或更多列

import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [-2, 8, 1], "C": [1, 2, 3], "D": [-2, 8, 1]})
df["E"] = df[["A", "B"]].max(axis=1)
df["F"] = df[["C", "D"]].max(axis=1)
print(df)

Output:

    A   B   C   D   E   F
0   1   -2  1   -2  1   1
1   2   8   2   8   8   8
2   3   1   3   1   3   3

---

IMO的最佳解决方案是使用

groupby

，并沿列使用

level

参数：

u = df.groupby(level=1, axis=1).max()

或者更具体地说

u = df[['Open','Close']].groupby(level=1, axis=1).max()
u
              AAPL      FB
Date                      
2019-05-29  177.38  183.50
2019-05-30  178.30  183.08
2019-05-31  176.23  180.28

现在，修复列并连接结果

u.columns = pd.MultiIndex.from_product([['Max'], u.columns])
pd.concat([df, u], axis=1)

              Open           Close             Max        
              AAPL      FB    AAPL      FB    AAPL      FB
Date                                                      
2019-05-29  176.42  183.50  177.38  182.19  177.38  183.50
2019-05-30  177.95  183.08  178.30  183.01  178.30  183.08
2019-05-31  176.23  180.28  175.07  177.47  176.23  180.28

---

IMO的最佳解决方案是使用

groupby

，并沿列使用

level

参数：

u = df.groupby(level=1, axis=1).max()

或者更具体地说

u = df[['Open','Close']].groupby(level=1, axis=1).max()
u
              AAPL      FB
Date                      
2019-05-29  177.38  183.50
2019-05-30  178.30  183.08
2019-05-31  176.23  180.28

现在，修复列并连接结果

u.columns = pd.MultiIndex.from_product([['Max'], u.columns])
pd.concat([df, u], axis=1)

              Open           Close             Max        
              AAPL      FB    AAPL      FB    AAPL      FB
Date                                                      
2019-05-29  176.42  183.50  177.38  182.19  177.38  183.50
2019-05-30  177.95  183.08  178.30  183.01  178.30  183.08
2019-05-31  176.23  180.28  175.07  177.47  176.23  180.28

---

谢谢cs95！我知道我必须使用groupby，只是不知道该使用什么参数。无论如何，这是我一直在寻找的，除了我有更多的列，如“卷”，我只想得到最大的“开放”和“关闭”。我本应该更清楚一点，但我得到了答案，这是为了防止其他人需要它：df[['Open'，'Close']]].groupby（level=1，axis=1）.max（）谢谢cs95！我知道我必须使用groupby，只是不知道该使用什么参数。无论如何，这是我一直在寻找的，除了我有更多的列，如“卷”，我只想得到最大的“开放”和“关闭”。我应该更清楚一些，但我得到了答案，这是为了防止其他人需要它：df[['Open'，'Close']].groupby（level=1，axis=1）.max（）