Pandas - 如何根据其他列减去行值？

Question

输入：  Symbol  Type  Value0   AAPL   BUY    4001   AAPL  SELL    3102   INFY  SELL    1903    JSL   BUY    1204    JSW   BUY    1905    JSW  SELL    1706    REL   BUY    1107    TCS   BUY    2108    TCS  SELL    200期望的输出： Symbol  Type  Value0   AAPL   BUY     902   INFY  SELL    1903    JSL   BUY    1204    JSW   BUY     206    REL   BUY    1107    TCS   BUY     10如何在 pandas 中实现此输出？我尝试了 groupby 但这适用于 Value 列。我想根据值的符号+类型减去行。就像 (交易品种+买入->价值) 减去 (交易品种+卖出->价值)

Answer 1

让我们尝试一下

df.Value *= np.where(df.Type=='BUY', 1, -1)

out = df.groupby('Symbol', as_index=False).agg({'Type':'first','Value':'sum'})

out

Out[152]: 

  Symbol  Type  Value

0   AAPL   BUY     90

1   INFY  SELL   -190

2    JSL   BUY    120

3    JSW   BUY     20

4    REL   BUY    110

5    TCS   BUY     10

如果需要将销售转换为 pos

out.Value *= np.where(out.Type=='BUY', 1, -1)

out

Out[157]: 

  Symbol  Type  Value

0   AAPL   BUY     90

1   INFY  SELL    190

2    JSL   BUY    120

3    JSW   BUY     20

4    REL   BUY    110

5    TCS   BUY     10

Answer 2

df2 = df.pivot_table(index='Symbol', columns='Type', values='Value', aggfunc='sum').\

    fillna(0).eval('Value = BUY - SELL').drop(columns=['BUY', 'SELL']).reset_index()

    

df2.insert(1,'Type', np.where(df2['Value'] > 0, "BUY", "SELL"))

df2['Value'] = abs(df2['Value'])

Type Symbol  Type  Value

0      AAPL   BUY   90.0

1      INFY  SELL  190.0

2       JSL   BUY  120.0

3       JSW   BUY   20.0

4       REL   BUY  110.0

5       TCS   BUY   10.0

Answer 3

我不知道这是否是最好的解决方案，但它绝对应该有效：

您可以使用 Numpy 将 pandas 矩阵转换为数组，通过它您可以循环、搜索值等。对于您的示例，具有 Buy 类型的列和 Sell 类型的下一行减去（我希望我'我在这里解决您的问题，对于任何误解表示抱歉），您可以简单地使用 for 循环来创建两个数组，一个为 Sell 类型，一个为 Buy 类型，然后从第一个数组中减去 Value 1 和 Value 1 从第二个或类似的东西。它绝对不如这个问题的其他答案，至少在这种情况下不是那么好，但我确实相信在某些情况下这可能会好得多，例如因为 numpy 可以让你重塑数组