group by - groupby - TimeGrouper, pandas
pandas order by (2)
Uso TimeGrouper de pandas.tseries.resample para sumar el retorno mensual a 6M de la siguiente manera:
6m_return = monthly_return.groupby(TimeGrouper(freq=''6M'')).aggregate(numpy.sum)
donde monthly_return es como:
2008-07-01 0.003626
2008-08-01 0.001373
2008-09-01 0.040192
2008-10-01 0.027794
2008-11-01 0.012590
2008-12-01 0.026394
2009-01-01 0.008564
2009-02-01 0.007714
2009-03-01 -0.019727
2009-04-01 0.008888
2009-05-01 0.039801
2009-06-01 0.010042
2009-07-01 0.020971
2009-08-01 0.011926
2009-09-01 0.024998
2009-10-01 0.005213
2009-11-01 0.016804
2009-12-01 0.020724
2010-01-01 0.006322
2010-02-01 0.008971
2010-03-01 0.003911
2010-04-01 0.013928
2010-05-01 0.004640
2010-06-01 0.000744
2010-07-01 0.004697
2010-08-01 0.002553
2010-09-01 0.002770
2010-10-01 0.002834
2010-11-01 0.002157
2010-12-01 0.001034
El 6m_return es como:
2008-07-31 0.003626
2009-01-31 0.116907
2009-07-31 0.067688
2010-01-31 0.085986
2010-07-31 0.036890
2011-01-31 0.015283
Sin embargo, quiero obtener el 6m_return comenzando 6m desde 7/2008 como el siguiente:
2008-12-31 ...
2009-06-31 ...
2009-12-31 ...
2010-06-31 ...
2010-12-31 ...
Intentó las diferentes opciones de entrada (es decir, loffset) en TimeGrouper pero no funciona. ¡Cualquier sugerencia será realmente apreciada!
Esta es una solución para lo que parece un error, pero pruébalo y mira si funciona para ti.
In [121]: ts = pandas.date_range(''7/1/2008'', periods=30, freq=''MS'')
In [122]: df = pandas.DataFrame(pandas.Series(range(len(ts)), index=ts))
In [124]: df[0] += 1
In [125]: df
Out[125]:
0
2008-07-01 1
2008-08-01 2
2008-09-01 3
2008-10-01 4
2008-11-01 5
2008-12-01 6
2009-01-01 7
2009-02-01 8
2009-03-01 9
2009-04-01 10
2009-05-01 11
2009-06-01 12
2009-07-01 13
2009-08-01 14
2009-09-01 15
2009-10-01 16
2009-11-01 17
2009-12-01 18
2010-01-01 19
2010-02-01 20
2010-03-01 21
2010-04-01 22
2010-05-01 23
2010-06-01 24
2010-07-01 25
2010-08-01 26
2010-09-01 27
2010-10-01 28
2010-11-01 29
2010-12-01 30
He usado números enteros para ayudar a confirmar que las sumas son correctas. La solución que parece funcionar es agregar un mes al frente del marco de datos para engañar al TimeGrouper y hacer lo que necesita.
In [127]: df2 = pandas.DataFrame([0], index = [df.index.shift(-1, freq=''MS'')[0]])
In [129]: df2.append(df).groupby(pandas.TimeGrouper(freq=''6M'')).aggregate(numpy.sum)[1:]
Out[129]:
0
2008-12-31 21
2009-06-30 57
2009-12-31 93
2010-06-30 129
2010-12-31 165
Tenga en cuenta que el final [1:] está ahí para recortar el primer grupo.
El problema puede resolverse agregando closed = ''left''
df.groupby(pd.TimeGrouper(''6M'', closed = ''left'')).aggregate(numpy.sum)