Pandas Dataframe：为每个数据帧行分配大于或小于值的条件值答案

【问题标题】：Pandas Dataframe : Assigning conditional values to each dataframe row on values greater than or lower thanPandas Dataframe：为每个数据帧行分配大于或小于值的条件值
【发布时间】：2021-03-04 18:35:01
【问题描述】：

目前我有一个有股票行情和回报的数据框

ticker_name    return
"AAPL 2020"    -15%
"AAPL 2019"     20%
"AAPL 2018"     40%
"AAPL 2017"     30%
"AAPL 2016"    -10%
....

我也有过去 x 年的年度格式的指数回报数据。有了这些数据，想标记特定股票是否高于市场回报

sp_500_year return
"2020"      -30%
"2019"       10%
"2018"       10%
"2017"       10%
"2016"       20%
....

预期的输出是新列，它们是布尔格式的标签。如果他们的回报高于市场，则为 1，如果他们的表现落后于市场，则为 0。

ticker_name    return   above_market
"AAPL 2020"    -15%        1
"AAPL 2019"     20%        1
"AAPL 2018"     40%        1
"AAPL 2017"     30%        1
"AAPL 2016"    -10%        0
....

我发现了一个与我类似的问题，但是这个问题是比较字符串并且只有两个可能的输入（BULL 和 BEAR），而我的是浮动和变化（索引返回）。

Pandas: if row in column A contains "x", write "y" to row in column B

【问题讨论】：

标签： python dataframe

【解决方案1】：

首先我建议将您的 ticker_name 列分成两列。

df_ticker 下方存储您的第一个 DataFrame，其中包含股票代码、年份和回报。这里使用Series.str.split() 方法将代码与年份分开，然后我们使用这里描述的技巧Python pandas split column list into multiple columns。

df_ticker = df_ticker.join(pd.DataFrame(df_ticker['ticker_name'].str.split().tolist(), columns=['ticker', 'year']))

创建了两个新列：

    ticker_name return  ticker  year
0   AAPL 2020   -0.15   AAPL    2020
1   AAPL 2019   0.20    AAPL    2019
2   AAPL 2018   0.40    AAPL    2018
3   AAPL 2017   0.30    AAPL    2017
4   AAPL 2016   -0.10   AAPL    2016

那么我建议将年份设置为索引，这样可以方便DataFrames之间的比较。

df_ticker = df_ticker.set_index('year')

赠款：

    ticker_name return  ticker
year            
2020    AAPL 2020   -0.15   AAPL
2019    AAPL 2019   0.20    AAPL
2018    AAPL 2018   0.40    AAPL
2017    AAPL 2017   0.30    AAPL
2016    AAPL 2016   -0.10   AAPL

和

df_index = df_index.set_index('sp_500_year')

赠款

    return
sp_500_year 
2020    -0.3
2019    0.1
2018    0.1
2017    0.1
2016    0.2

现在您可以安全地比较两个 DataFrame

df_ticker['above_index'] = df_ticker['return'] > df_index['return']

    ticker_name return  ticker  above_index
year                
2020    AAPL 2020   -0.15   AAPL    True
2019    AAPL 2019   0.20    AAPL    True
2018    AAPL 2018   0.40    AAPL    True
2017    AAPL 2017   0.30    AAPL    True
2016    AAPL 2016   -0.10   AAPL    False

【讨论】：

感谢您的帮助。感谢@arhr。