查找日期和极端观测值之间的差异

问题描述

传递给apply的函数必须将一个数据框作为其第一个参数，并返回一个DataFrame，Series或标量。然后，apply将负责将结果重新组合到单个数据帧或系列中。因此，apply是一种高度灵活的分组方法。

尽管apply是一种非常灵活的方法，但缺点是使用它可能比使用更具体的方法（例如agg或transform）要慢很多。熊猫提供了广泛的方法，比用于特定目的的申请要快得多，因此在申请之前请尝试使用它们。

解决方法

最简单的方法是使用groupby进行聚合，然后进行选择

# make index a column
df = df.reset_index()                      

# get min of holdings for each ticker
lowest = df[['ticker','holdings']].groupby('ticker').min()
print(lowest)

# select lowest my performing a left join (solutions with original)
# this gives only the matching rows of df in return
lowest_dates = lowest.merge(df,on=['ticker','holdings'],how='left')
print(lowest_dates)    

,

如果只需要一系列日期，则可以使用此功能。

def getLowest(df): 
    df = df.reset_index()
    lowest = df[['ticker','holdings']].groupby('ticker').min()
    lowest_dates = lowest.merge(df,how='left')
    return lowest_dates['Date']

从我的角度来看，最好返回整个数据帧，以了解哪个报价最低的时间。在这种情况下，您可以：

return lowest_dates