python允许将分组计算添加回数据帧

我正在练习用样本数据来学习熊猫。我从一些股票数据开始，因为它很容易处理

我有一些数据如下：

符号 日期和时间 关闭 体积 XOM 2021-04-13 13:00:00 56.5 10000 XOM 2021-04-13 13:01:00 57.5 10000 XOM 2021-04-13 13:02:00 56.25 10000 XOM 2021-04-13 13:03:00 58.5 10000 正链法：

现在，如果您打印

quote\u数据

，您将获得所需的输出：

   symbol   date_time               close   volume  sma
0   XOM     2021-04-13 13:00:00     56.50   10000   NaN
1   XOM     2021-04-13 13:01:00     57.50   10000   NaN
2   XOM     2021-04-13 13:02:00     56.25   10000   NaN
3   XOM     2021-04-13 13:03:00     58.50   10000   NaN

解释：

quote_data['sma']=quote_data.groupby("symbol")["close"].rolling(window=5, center=False).mean()

上面的代码返回一个具有多索引的序列

symbol   
XOM     0   NaN
        1   NaN
        2   NaN
        3   NaN

您可以使用

.index

属性对其进行交叉验证：

quote_data.groupby("symbol")["close"].rolling(window=5, center=False).mean().index

#output of above code

MultiIndex([('XOM', 0),
            ('XOM', 1),
            ('XOM', 2),
            ('XOM', 3)],
           names=['symbol', None])

因此，我们链接了

droplevel（）

方法，并将

0

作为一个参数传递，以便它删除多索引的第0级。因此，该系列现在只有一个索引

所以现在你的系列看起来像

0   NaN
1   NaN
2   NaN
3   NaN

现在，如果我们检查序列的索引：

quote_data.groupby("symbol")["close"].rolling(window=5, center=False).mean().droplevel(0).index

#output of above code

Int64Index([0, 1, 2, 3], dtype='int64')

最后，我们使用以下代码将其分配给您的数据帧：

quote_data.groupby("symbol")["close"].rolling(window=5, center=False).mean().droplevel(0).index

#output of above code

Int64Index([0, 1, 2, 3], dtype='int64')

quote_data['sma']=quote_data.groupby("symbol")["close"].rolling(window=5, center=False).mean().droplevel(0)