使用一个数据框在其他数据框上创建组，然后取平均值

编程问答 2022-11-14

问题描述

我的问题的前提是我想使用一个数据框（对等组）创建与其他股票同等的一组股票，然后计算另一数据框（fun_data）的平均值，但是我不知道如何使用一个数据框按年份和行情自动创建组，然后应用组，找到多列的平均值，并在另一个数据框中为这些平均值创建新列。任何帮助表示赞赏。我到目前为止的数据如下。

我从两个数据框开始，一个数据框包含基础数据，另一个数据框显示了每年的同行公司分组

fun_data 

import numpy as np
import pandas as pd
fun_data = {{'data': [12/30/1983,12/30/1983,1/3/1984,1/3/1984],'ticker': ['AA','KO','AMB','AMX','AR','AS','BUD','CLF','CRS','DOC','EC','EFU','FTX','HM','RJR','AA','RJR'],'mkt_cap': [10382076219,28615981356,89124668974,96863568587,69017311359,71368368637,36604633897,91086629072,87580223715,70605054110,93225158261,91412455851,76327466814,60245266890,33751408249,92924687267,97193082284,43372080824,94712408349,60356743279,32484886660,18571138143,64690517329,24838868675,23278782495,34286838121,46008417484,24020283962,3560654158,79189294007],'pe_ratio': [15,24,15,20,22,19,16,18,13,14,12,21,18],}
df1 = pd.DataFrame(data=fun_data)
df1

同伴组

import numpy as np
import pandas as pd
peergroup = {'year': [1983,1983,1984,1984],'KO'],'peer': [AMX,AS,CLF,CRS,EFU,HM,AMX,AR,EC,FTX,AMB,BUD,DOC,RJR]}
df2 = pd.DataFrame(data=peergroup)
df2

一旦有了这些数据框，我就可以想象代码执行以下步骤（如果有更好的方法可以随意调整）

  1. 从fun_data数据框中找到日期和代码（1983/12/30，AA）
  2. 从对等组数据帧（AMX，AS，CLF，CRS，EFU）中查找1983年AA的对等体
  3. 从fun_data数据框中查找该日期的对等方的mkt_cap和pe_ratio数据
  4. 计算AA同行的平均mkt_Cap和pe_ratio
  5. 为peer_avg_mkt_cap和peer_avg_pe_ratio创建两列，并在这些列中输入计算出的值
  6. 在fun_data中为所有日期的所有具有同行的公司进行迭代
  7. 如果在该日期未找到任何同行，请保留0（将填写FF库中的数据）

Desired output

解决方法

我认为您需要merge s。首先要创建每组的平均值，您可以在从日期和行情清单创建的列年份中以及在df2年和对等方中merge df1。然后在此合并的数据框中将df2中的tocker列分组：

df_ = (df1.assign(year=pd.to_datetime(df1['data']).dt.year)
          .merge(df2,left_on=['year','ticker'],right_on=['year','peer'],how='outer',suffixes=('_',''))
          .groupby(['year','ticker'])
          [['mkt_cap','pe_ratio']].mean()
          .add_prefix('avg_')
      )
print(df_)
              avg_mkt_cap  avg_pe_ratio
year ticker                            
1983 AA      8.766225e+10     19.000000
     KO      6.544479e+10     14.666667
1984 AA      4.338739e+10     18.400000
     KO      4.704417e+10     18.666667

请注意，我得到的值没有达到预期的输出值，但是我不确定您在1983年如何获得KO的19.3，因为您知道在df2中它与三个代号相关联，而所有代号的值都在16以下所以我认为这就是您想要的。

现在，您只需要将merge再次按年份返回到df1，然后将其作为之前创建的df_的索引加上行情自动收录器，再加上年份的fillna和drop即可> 

df3 = (df1.assign(year=pd.to_datetime(df1['data']).dt.year)
          .merge(df_,right_index=True,how='left')
          .fillna(0)
          .drop('year',axis=1)
      )
print(df3)
          data ticker      mkt_cap  pe_ratio   avg_mkt_cap  avg_pe_ratio
0   12/30/1983     AA  10382076219        15  8.766225e+10     19.000000
1   12/30/1983     KO  28615981356        24  6.544479e+10     14.666667
2   12/30/1983    AMB  89124668974        15  0.000000e+00      0.000000
3   12/30/1983    AMX  96863568587        20  0.000000e+00      0.000000
4   12/30/1983     AR  69017311359        22  0.000000e+00      0.000000
5   12/30/1983     AS  71368368637        19  0.000000e+00      0.000000
6   12/30/1983    BUD  36604633897        16  0.000000e+00      0.000000
7   12/30/1983    CLF  91086629072        22  0.000000e+00      0.000000
8   12/30/1983    CRS  87580223715        18  0.000000e+00      0.000000
9   12/30/1983    DOC  70605054110        13  0.000000e+00      0.000000
10  12/30/1983     EC  93225158261        18  0.000000e+00      0.000000
11  12/30/1983    EFU  91412455851        16  0.000000e+00      0.000000
12  12/30/1983    FTX  76327466814        14  0.000000e+00      0.000000
13  12/30/1983     HM  60245266890        24  0.000000e+00      0.000000
14  12/30/1983    RJR  33751408249        15  0.000000e+00      0.000000
15    1/3/1984     AA  92924687267        12  4.338739e+10     18.400000
16    1/3/1984     KO  97193082284        18  4.704417e+10     18.666667
17    1/3/1984    AMB  43372080824        22  0.000000e+00      0.000000
18    1/3/1984    AMX  94712408349        16  0.000000e+00      0.000000
19    1/3/1984     AR  60356743279        21  0.000000e+00      0.000000
20    1/3/1984     AS  32484886660        20  0.000000e+00      0.000000
...
dataframenumpypandaspythonquantitative-finance