熊猫数据框输出格式

Question

我正在导入一个贸易清单并尝试将其合并到一个包含总数量和平均价格的头寸文件中。我根据（代码、类型、到期和罢工）进行分组。两个问题：

1. 输出在第一列中包含索引组（代码、类型、到期和罢工）。如何更改此设置，以便每个索引列输出到自己的列，以便输出 csv 的格式与输入数据的格式相同？
2. 我目前强制股票交易具有值（“1”），因为将单元格留空会导致错误，但这会添加错误数据，因为“1”没有意义。有没有办法在不引起问题的情况下保留“”？

数据框：

    GM      stock   1           1       32      100
    AAPL    call    201612      120     3.5     1000
    AAPL    call    201612      120     3.25    1000
    AAPL    call    201611      120     2.5     2000
    AAPL    put     201612      115     2.5     500
    AAPL    stock   1            1      117     100

代码：

    import pandas as pd
    import numpy as np

    df = pd.read_csv(input_file, index_col=['ticker', 'type', 'expiration', 'strike'], names=['ticker', 'type', 'expiration', 'strike', 'price', 'quantity'])
    df_output = df.groupy(df.index).agg({'price':np.mean, 'quantity':np.sum})
    df_output.to_csv(output_file, sep=',')

csv 输出格式如下：

(ticker, type, expiration, strike), price, quantity

所需格式：

ticker, type, expiration, strike, price, quantity

Answer 1

对于第一个问题，你应该使用 groupby(df.index_col) 而不是 groupby(df.index)

第二个，我不知道你为什么不能保留“”，那是数字吗？

我模拟了一些数据，如下所示：

import pandas as pd                                                                                                 
import numpy as np                                                                                                  

d = [                                                                                                               
    {'ticker':'A', 'type':'M', 'strike':'','price':32},                                                             
    {'ticker':'B', 'type':'F', 'strike':100,'price':3.5},                                                           
    {'ticker':'C', 'type':'F', 'strike':'', 'price':2.5}                                                            

]                                                                                                                   
df = pd.DataFrame(d)                                                                                                
print df                                                                                                            

#dgroup = df.groupby(['ticker', 'type']).agg({'price':np.mean})                                                     
df.index_col = ['ticker', 'type', 'strike']                                                                         
dgroup = df.groupby(df.index_col).agg({'price':np.mean})   
#dgroup = df.groupby(df.index).agg({'price':np.mean})                                                 
print dgroup                                                                                                        
print type(dgroup)                                                                                                  
dgroup.to_csv('check.csv') 

check.csv 中的输出：

ticker,type,strike,price                                                                                            
A,M,,32.0                                                                                                           
B,F,100,3.5                                                                                                         
C,F,,2.5