병합, 그룹화 및 가중 평균 기능을 적용합니다.
사람들이 쉽게로드 할 수 있도록 데이터를 코드로 마이그레이션했습니다.
df1 = pd.DataFrame({'Date': {0: '2016-10-11', 1: '2016-10-11', 2: '2016-10-11'}, 'Stock': {0: 'ABC', 1: 'ABC', 2: 'XYZ'}, 'EndTime': {0: '13:06:34.232', 1: '13:04:34.232', 2: '11:24:23.533'}, 'StartTime': {0: '12:00:00.243', 1: '12:02:00.243', 2: '08:02:00.243'}, 'time': {0: '12:00:00', 1: '12:01:00', 2: '12:03:00'}})
df2 = pd.DataFrame({'Date': {0: '2016-10-11', 1: '2016-10-11', 2: '2016-10-11', 3: '2016-10-11', 4: '2016-10-11'}, 'Volume': {0: 100, 1: 300, 2: 600, 3: 1500, 4: 200}, 'Price': {0: 10.0, 1: 10.1, 2: 10.4, 3: 5.0999999999999996, 4: 10.1}, 'Stock': {0: 'ABC', 1: 'ABC', 2: 'ABC', 3: 'XYZ', 4: 'XYZ'}, 'time': {0: '12:00:00', 1: '12:01:00', 2: '16:01:00', 3: '12:01:00', 4: '17:01:00'}})
print df1
print df2
나는 당신의 dataframes는 다음과 같이 질문이 좀 불분명하다 가정하고, 나에게 알려 답이 원하는대로 질문에 일치하도록 우리는이 예제를 수정할 수 있으며, 중복 날짜 시간 필드에있다 나는 생략 한 :
Date EndTime StartTime Stock time
0 2016-10-11 13:06:34.232 12:00:00.243 ABC 12:00:00
1 2016-10-11 13:04:34.232 12:02:00.243 ABC 12:01:00
2 2016-10-11 11:24:23.533 08:02:00.243 XYZ 12:03:00
Date Price Stock Volume time
0 2016-10-11 10.0 ABC 100 12:00:00
1 2016-10-11 10.1 ABC 300 12:01:00
2 2016-10-11 10.4 ABC 600 16:01:00
3 2016-10-11 5.1 XYZ 1500 12:01:00
4 2016-10-11 10.1 XYZ 200 17:01:00
df_merged= df1.merge(df2, on=['Date','Stock']) # Merge
df_merged = df_merged[['StartTime','EndTime','Price','Volume','Stock']] #Filter Columns
Without Stock Partition:
print df_merged.groupby(['StartTime','EndTime']).apply(lambda x: np.average(x['Price'],weights=x['Volume']))
With Stock Partition:
print df_merged.groupby(['StartTime','EndTime','Stock']).apply(lambda x: np.average(x['Price'],weights=x['Volume']))
을 제공합니다
StartTime EndTime
08:02:00.243 11:24:23.533 5.688235
12:00:00.243 13:06:34.232 10.270000
12:02:00.243 13:04:34.232 10.270000
dtype: float64
StartTime EndTime Stock
08:02:00.243 11:24:23.533 XYZ 5.688235
12:00:00.243 13:06:34.232 ABC 10.270000
12:02:00.243 13:04:34.232 ABC 10.270000
는 내가 대답으로 질문을 편집중인 참조하십시오. 시원한. – Dickster
감사합니다. 유용하다. – Rahul