多索引熊猫数据框中两个不同日期的分组总和之间的差异

Question

我有一个按三列分组的多索引DataFrame（date、Ticker、Security Description）：

df.groupby(['date','Ticker', 'Security Description']).sum()

接下来我想计算今天（示例中为 2020 年 1 月 2 日）和昨天之间的差异 ，或者如果缺少昨天，则为昨天之前有数据的最接近的日期股票代码和证券描述。

这是我正在使用的示例数据：

df = {'transactionID': {0: 5, 1: 7, 2: 5, 3: 7, 4: 6, 5: 6},
 'date': {0: '1/1/2020',
  1: '1/1/2020',
  2: '1/2/2020',
  3: '1/2/2020',
  4: '12/31/2019',
  5: '1/2/2020'},
 'Dollar Gain': {0: 500, 1: 100, 2: -200, 3: -200, 4: -50, 5: 50},
 'Date': {0: '4/24/2018',
  1: '4/24/2018',
  2: '4/24/2018',
  3: '4/24/2018',
  4: '5/24/2019',
  5: '5/24/2019'},
 'Notional': {0: 5, 1: 10, 2: 5, 3: 10, 4: 1, 5: -1},
 'Ticker': {0: 'AAPL', 1: 'MCD', 2: 'AAPL', 3: 'MCD', 4: 'SBUX', 5: 'SBUX'},
 'Security Description': {0: 'AAPL Equity',
  1: 'MCD Equity',
  2: 'AAPL Equity',
  3: 'MCD Equity',
  4: 'SBUX Equity',
  5: 'SBUX Equity'},
 'Price': {0: 100.0, 1: 80.0, 2: 105.5, 3: 105.5, 4: 80.0, 5: 80.0}}
df = pd.DataFrame(df)

df.set_index('date', 'Ticker')
df.groupby(['date','Ticker', 'Security Description']).sum()

下面是我想要的代码输出。

• 1/2/2020 AAPL 股票代码美元收益为 -200。 2020 年 1 月 1 日 AAPL 股票代码美元收益为 500。差值为 -700。
• 对于 SBUX，由于 2020 年 1 月 1 日没有条目，因此使用 2019 年 12 月 31 日（2020 年 1 月 1 日之前的最接近日期）的值，因此 50-(-50)=100。

编辑

除了能够处理昨天（之前的观察）之外，您如何将解决方案推广到本月至今、年初至今以及任意两个自定义日期之间？

Answer 1

使用diff 修复您的代码

g=df.groupby(['date','Ticker', 'Security Description']).sum()
ydf=g.groupby(level=1).apply(lambda x : x.diff().sum())
Out[35]: 
        transactionID  Dollar Gain  Notional  Price
Ticker                                             
AAPL              0.0       -700.0       0.0    5.5
MCD               0.0       -300.0       0.0   25.5
SBUX              0.0       -100.0       2.0    0.0