python - 如何通过在 Pandas 时间序列数据框中搜索数据来添加新列

Question

我有一个 Pandas 时间序列数据框。它包含股票 30 天的分钟数据。我想创建一个新列，说明当天早上 6 点的股票价格，例如对于 1 月 1 日的所有线路，我想要一个包含 1 月 1 日中午价格的新列，对于 1 月 2 日的所有线路，我想要一个包含 1 月 2 日中午价格的新列，依此类推。

Existing timeframe:
Date   Time   Last_Price   Date   Time   12amT
1/1/19 08:00  100          1/1/19 08:00  ?
1/1/19 08:01  101          1/1/19 08:01  ?
1/1/19 08:02  100.50       1/1/19 08:02  ?
...
31/1/19 21:00 106         31/1/19 21:00  ?

我使用了这个 hack，但它非常慢，我认为有一种更快、更简单的方法来做到这一点。

for lab, row in df.iterrows() :
    t=row["Date"]
    df.loc[lab,"12amT"]=df[(df['Date']==t)&(df['Time']=="12:00")]["Last_Price"].values[0]

Answer 1

实现此目的的一种方法是将 groupby 与 pd.Grouper 结合使用:

适用于 pandas 24.1+

df.groupby(pd.Grouper(freq='D'))[0]\
  .transform(lambda x: x.loc[(x.index.hour == 12) & 
                             (x.index.minute==0)].to_numpy()[0])

年长的 Pandas 使用:

 df.groupby(pd.Grouper(freq='D'))[0]\
   .transform(lambda x: x.loc[(x.index.hour == 12) &
                              (x.index.minute==0)].values[0])

MVCE:

df = pd.DataFrame(np.arange(48*60), index=pd.date_range('02-01-2019',periods=(48*60), freq='T'))

df['12amT'] = df.groupby(pd.Grouper(freq='D'))[0].transform(lambda x: x.loc[(x.index.hour == 12)&(x.index.minute==0)].to_numpy()[0])

输出(头):

                    0  12amT
2019-02-01 00:00:00  0    720
2019-02-01 00:01:00  1    720
2019-02-01 00:02:00  2    720
2019-02-01 00:03:00  3    720
2019-02-01 00:04:00  4    720