python - 识别 python DataFrame 中相等的行...

Question

我有一个大型 DataFrame(称为 AllDTrades)，其中包含大量证券交易，例如:

    trd_exctn_dt    ascii_rptd_vol_tx   rptd_pr    yld_pt       sttl_dt
1   2018-07-02      150000.0            98.6100    4.476914     7/5/2018 
....

现在，我需要找到一个函数，它能够告诉我特定交易在 DataFrame 中的次数以及在 DataFrame 中的位置。所以我需要问一些问题(这当然行不通):

AllDTrades.loc[AllDTrades==SpecificTrade], 

在哪里

SpecificTrade 是一种交易，假设是这样的:

2018-07-02      150000.0            98.6100    4.476914     7/5/2018

所以，我需要查明 S​​pecificTrade1) 是 AllDTrades 的一部分2)AllDTrades中的交易位置3) 另外，如果 AllDTrades 中有多个交易，例如 SpecificTrade，我需要知道所有交易在 AllDTrades 中的位置

这可能吗？

非常感谢您。

干杯，杰斯珀。

Answer 1

您可以使用 merge与 reset_index对于 AllDTrades 的索引值列 index 与 SpecificTrade 等值，如果没有参数 on，它也会合并按所有列:

print (AllDTrades)
  trd_exctn_dt  ascii_rptd_vol_tx  rptd_pr    yld_pt   sttl_dt
1   2018-07-02           150000.0    98.61  4.476914  7/5/2018
2   2018-07-03           290000.0    98.61  4.476914  7/5/2018
3   2018-07-02           150000.0    98.61  4.476914  7/5/2018


SpecificTrade = AllDTrades.iloc[[0]]
print (SpecificTrade)
 trd_exctn_dt  ascii_rptd_vol_tx  rptd_pr    yld_pt   sttl_dt
1   2018-07-02           150000.0    98.61  4.476914  7/5/2018

df = AllDTrades.reset_index().merge(SpecificTrade)
print (df)
   index trd_exctn_dt  ascii_rptd_vol_tx  rptd_pr    yld_pt   sttl_dt
0      1   2018-07-02           150000.0    98.61  4.476914  7/5/2018
1      3   2018-07-02           150000.0    98.61  4.476914  7/5/2018

---

vals = df['index']
print (vals)
0    1
1    3
Name: index, dtype: int64

print (AllDTrades.loc[vals])
  trd_exctn_dt  ascii_rptd_vol_tx  rptd_pr    yld_pt   sttl_dt
1   2018-07-02           150000.0    98.61  4.476914  7/5/2018
3   2018-07-02           150000.0    98.61  4.476914  7/5/2018