python - Pandas :如何按符号分组并每 n 行取平均值

Question

假设我有以下数据框df:

        date        symbol_a  symbol_b   ratio  
    0    2017/01/01    AAAA       AA       10
    1    2017/01/02    AAAA       AA       20
    2    2017/01/03    AAAA       AA       30
    3    2017/01/04    AAAA       AA       10
    4    2017/01/05    AAAA       AA       10 
    5    2017/01/06    AAAA       AA       10
    6    2017/01/01    BBBB       BB       10
    7    2017/01/02    BBBB       BB       20
    8    2017/01/03    BBBB       BB       30
    9    2017/01/04    BBBB       BB       10
   10    2017/01/01    CCCC       CC       10
   11    2017/01/02    CCCC       CC       20
   12    2017/01/03    CCCC       CC       30
   13    2017/01/04    CCCC       CC       10
   14    2017/01/05    CCCC       CC       10  
   15    2017/01/06    CCCC       CC        5

我对 ratio 列的平均值感兴趣(这来自之前的数据框，该数据框有两个附加列 value_a value_b 和 ratio = value_a/value_b，或多或少)。我想做的是:

每n个元素通过symbol_a(或者_b其实是一样的)取平均值。假设 n=3。

通常我会做这样的事情:

df.groupby(['symbol_a','symbol_b']).mean()

但是，我想每 3 天获取一次子均值(实际时间跨度显然要长得多，我需要每 5 天获取一次)。

最初我以为我总是有相同数量的符号，可以被 n 整除，所以我尝试了类似的方法:

df.groupby([df.index/n, 'symbol_a', 'symbol_b']).mean().reset_index()

这非常有效，但强烈依赖于可被 n 整除的假设。不幸的是，这不仅是我想放弃的假设，而且我还注意到并非所有符号都出现了 n 次:例如请注意 symbol_a "BBBB"只出现了四次(天) .这当然会使上述尝试完全不可靠，因为它将混合不同符号的比率值。

回顾一下，我需要一些东西让我得到 ratio 列每 n 个元素的平均值，如果符号的数量不能被 n 整除，它会得到每个 n 最后是提醒的平均值(如果 number_of_symbols < n 只是该数字的平均值)。

例如，结果看起来像(假设 n=3):

      symbol_a  symbol_b   3_mean_ratio
0       AAAA       AA          20       
1       AAAA       AA          10
2       BBBB       BB          20   
4       BBBB       BB          10   
5       CCCC       CC          20       
6       CCCC       CC         8.33   

有没有办法做这样的事情？非常感谢任何帮助，谢谢。

编辑:感谢您到目前为止的回答。最后一件理想的事情是将新的 n-days-ratio 列放在原始列旁边的简单方法。当然这个新的长度更短，但如果元素重复我不介意。基本上我需要一种方法来根据这个平均值选择“好行”。到目前为止，我正在创建一本字典作为中间步骤，但我确信有更好的方法。如果我能得到像下面这样的东西就太好了:

        date        symbol_a  symbol_b   ratio  n-days-ratio
    0    2017/01/01    AAAA       AA       10      20
    1    2017/01/02    AAAA       AA       20      20
    2    2017/01/03    AAAA       AA       30      20
    3    2017/01/04    AAAA       AA       10      10
    4    2017/01/05    AAAA       AA       10      10
    5    2017/01/06    AAAA       AA       10      10
    6    2017/01/01    BBBB       BB       10      20
    7    2017/01/02    BBBB       BB       20      20
    8    2017/01/03    BBBB       BB       30      20
    9    2017/01/04    BBBB       BB       10      10
   10    2017/01/01    CCCC       CC       10      20
   11    2017/01/02    CCCC       CC       20      20
   12    2017/01/03    CCCC       CC       30      20
   13    2017/01/04    CCCC       CC       10     8.3
   14    2017/01/05    CCCC       CC       10     8.3
   15    2017/01/06    CCCC       CC        5     8.3

Answer 1

编辑添加 n 天平均列

g = df.groupby('symbol_a').cumcount()
df['n-days-ratio'] = df.groupby(['symbol_a','symbol_b',g // 3]).transform(lambda x: x.mean())
df

输出:

          date symbol_a symbol_b  ratio  n-days-ratio
0   2017/01/01     AAAA       AA     10     20.000000
1   2017/01/02     AAAA       AA     20     20.000000
2   2017/01/03     AAAA       AA     30     20.000000
3   2017/01/04     AAAA       AA     10     10.000000
4   2017/01/05     AAAA       AA     10     10.000000
5   2017/01/06     AAAA       AA     10     10.000000
6   2017/01/01     BBBB       BB     10     20.000000
7   2017/01/02     BBBB       BB     20     20.000000
8   2017/01/03     BBBB       BB     30     20.000000
9   2017/01/04     BBBB       BB     10     10.000000
10  2017/01/01     CCCC       CC     10     20.000000
11  2017/01/02     CCCC       CC     20     20.000000
12  2017/01/03     CCCC       CC     30     20.000000
13  2017/01/04     CCCC       CC     10      8.333333
14  2017/01/05     CCCC       CC     10      8.333333
15  2017/01/06     CCCC       CC      5      8.333333

让我们使用:

g = df.groupby('symbol_a')['ratio'].transform(lambda x:x.astype(bool).cumsum().add(-1))

让我们改用 piRSquare 的 cumcount 方法。

g = df.groupby('symbol_a').cumcount()

df_out = df.groupby(['symbol_a','symbol_b',g // 3]).mean().reset_index(level=2, drop=True).reset_index()

输出:

  symbol_a symbol_b      ratio
0     AAAA       AA  20.000000
1     AAAA       AA  10.000000
2     BBBB       BB  20.000000
3     BBBB       BB  10.000000
4     CCCC       CC  20.000000
5     CCCC       CC   8.333333