执行比较两个日期时间数据帧的数学运算

Question

我有两个不同的数据框。 df1=

index Time
0   2009-09-13 01:17:00
1   20009-09-13 02:17:00
2   2009-09-13 03:17:00
3   2009-09-13 04:17:00
4   2009-09-13 05:17:00

............ 这是一个时间序列数据，每小时间隔总共 10 天。 和 df2=

    Selling Time          Buying Time                      sell     buy
0   2009-09-13 01:17:00   2009-09-13 04:35:00               1        -1
1   2009-09-13 04:20:00   2009-09-13 04:45:00               27       -3
2   2009-09-14 02:25:00   2009-09-15 01:17:00               1        -2
3   2009-09-15 05:33:00   2009-09-16 01:35:00               100      -5

.......

此处，特定商品的买卖列以美元为单位。该物品的买卖时间不同。

我想通过“df2”迭代“df1”每小时时间数据，并计算我在每个特定小时拥有的当前货币价值（将前一小时价值相加）。例如，在 2009-09-13 01:17:00，我卖出了 1 美元，当时什么都没买。因此，我想创建一个新数据集，其中 2009-09-13 01:00:00 的值为 1。因此，对于 2009 年的日期，02:00:00 和 03:00:00 将保持 1 -09-13.

04 小时内我卖出了 27 美元，而前一小时我卖出了 1 美元。但买了 (-1-3)= -4USD。因此，对于 2009-09-13 04:00:00，新值将是 (27+1)-4= 24USD 等等。

输出应如下所示：

index Time                    Present Value
0   2009-09-13 01:00:00       1
1   20009-09-13 02:00:00      1
2   2009-09-13 03:00:00       1
3   2009-09-13 04:00:00       24  

……以此类推，直到df1的最后一个日期和时间。

请注意，数据集“df1”的所有“卖出”和“买入”值应在同一小时内相加。

我可以理解 for 循环的计算，但很难用 datetime 构建一个 for 循环。

Answer 1

我会换一种方式来考虑：随着时间的推移，您的价值是一个阶跃函数。我们可以使用一个名为staircase 的python 包来提供帮助。它基于 pandas 和 numpy 构建。

设置

df1 = pd.DataFrame(
    {
        "time": [
            pd.Timestamp("2009-09-13 01:00:00"),
            pd.Timestamp("2009-09-13 02:00:00"),
            pd.Timestamp("2009-09-13 03:00:00"),
            pd.Timestamp("2009-09-13 04:00:00"),
            pd.Timestamp("2009-09-13 05:00:00"),
        ]
    }
)

df2 = pd.DataFrame(
    {
        "sell_time":[
            pd.Timestamp("2009-09-13 01:17:00"),
            pd.Timestamp("2009-09-13 04:20:00"),
            pd.Timestamp("2009-09-14 02:25:00"),
            pd.Timestamp("2009-09-15 05:33:00"),
        ],
        "buy_time":[
            pd.Timestamp("2009-09-13 04:35:00"),
            pd.Timestamp("2009-09-13 04:45:00"),
            pd.Timestamp("2009-09-15 01:17:00"),
            pd.Timestamp("2009-09-16 01:35:00"),
        ],
        "sell":[1,27,1,100],
        "buy":[-1,-3,-2,-5]
    }
)

解决方案

import staircase as sc

# setup step function
sf = sc.Stairs().layer(df2["sell_time"], value=df2["sell"]).layer(df2["buy_time"], value=df2["buy"])

# you can plot it
sf.plot()

# sample the step function at particular values
sf(df1["time"], include_index=True)

这为您提供了以下 pandas Series，它与 step 函数的值相匹配

time
2009-09-13 01:00:00     0
2009-09-13 02:00:00     1
2009-09-13 03:00:00     1
2009-09-13 04:00:00     1
2009-09-13 05:00:00    24
dtype: int64

注意： 我是楼梯的创造者。如果您有任何反馈或问题，请随时与我们联系。