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