2016-07-15 5 views
0

ich importieren einige Zeitreihen-Daten mit pd.read_csv und es sieht wie folgt aus:Wie setze ich Pandas Zeitserie cumsum täglich zurück?

     price quantity initiator 
time           
2016-07-13 16:19:31 6.20  8000   B 
2016-07-13 16:19:45 6.19  5176   S 
2016-07-13 16:25:08 6.24  15000   NaN 
2016-07-13 16:25:08 6.24  2847   S 
2016-07-13 16:25:08 6.24  39829   B 
2016-07-14 09:25:08 6.35  2398   B 
2016-07-14 09:25:08 6.30  1844   NaN 
2016-07-14 09:25:08 6.25  9538   S 
2016-07-14 09:25:08 6.15  459   B 
2016-07-14 09:25:08 6.25  1082   B 

ich dann den folgenden Code verwenden, um die ‚Menge‘ Spalte mit den folgenden Bedingungen zu akkumulieren; wenn "Initiator" = B/S/NaN, dann ist die Menge positiv/negativ/nicht zählend.

instr['multipl'] = np.where(instr.initiator == 'B', 1, -1) * instr.initiator.notnull() 
instr['acc_qnty'] = (instr.quantity * instr.multipl).cumsum() 

Ich habe dann eine neue Spalte mit der akkumulierten Menge. Ich möchte aber auch jeden Tag neu starten/neu starten. Neuer Tag, neue Akkumulation.

Wie kann ich das mit Pandas machen?

Antwort

1

IIUC können Sie es auf diese Weise tun:

df['new'] = np.where(df.initiator == 'B', 1, -1) * df.initiator.notnull() * df.quantity 

df['result'] = df.groupby(df.index.date)['new'].cumsum() 

In [25]: df 
Out[25]: 
        price quantity initiator multipl new result 
2016-07-13 16:19:31 6.20  8000   B  1 8000 8000 
2016-07-13 16:19:45 6.19  5176   S  -1 -5176 2824 
2016-07-13 16:25:08 6.24  15000  NaN  0  0 2824 
2016-07-13 16:25:08 6.24  2847   S  -1 -2847  -23 
2016-07-13 16:25:08 6.24  39829   B  1 39829 39806 
2016-07-14 09:25:08 6.35  2398   B  1 2398 2398 
2016-07-14 09:25:08 6.30  1844  NaN  0  0 2398 
2016-07-14 09:25:08 6.25  9538   S  -1 -9538 -7140 
2016-07-14 09:25:08 6.15  459   B  1 459 -6681 
2016-07-14 09:25:08 6.25  1082   B  1 1082 -5599 
+0

funktioniert wie ein Charme, vielen Dank! – cJc

+0

@cJc, herzlich willkommen! :) – MaxU