Python：Dataframe 在索引规则上添加一列

Question

得到一个像下面这样的数据框，它的索引是 [date,assetName]

如何在 10 天内添加带有开盘价的新列？

日期索引列的数据类型是

时间戳（'2007-02-01 00:00:00+0000', tz='UTC'）

from datetime import datetime

import pandas as pd

datetime_object = datetime.strptime('Feb 1 2007', '%b %d %Y')

market_df   = pd.DataFrame({'date': [

                                    datetime.strptime('Feb 1 2007', '%b %d %Y')

                                    ,datetime.strptime('Feb 1 2007', '%b %d %Y')

                                    ,datetime.strptime('Feb 1 2007', '%b %d %Y') 

                                    ,datetime.strptime('Feb 11 2007', '%b %d %Y')

                                    ,datetime.strptime('Feb 11 2007', '%b %d %Y')

                                    ,datetime.strptime('Feb 11 2007', '%b %d %Y') 

                                    ],

                            'assetName': ['AAPL', 'GOOGL', 'AMZN','AAPL', 'GOOGL', 'AMZN'],

                            'open': [20, 30.9, 40, 22.3, 35, 45],

                            'close': [20.5, 30.6, 40.5,22.3,35,45],

                           })

market_df = market_df.set_index(['date','assetName'])  

如何使用新列“price_in_10_days”获取此数据框

date    assetName   open    close   price_in_10_days

2007-02-01  AAPL    20.0    20.5    22.3

2007-02-01  GOOGL   30.9    30.6    35.0

2007-02-01  AMZN    40.0    40.5    45.0

2007-02-11  AAPL    22.3    22.3    NaN

2007-02-11  GOOGL   35.0    35.0    NaN

2007-02-11  AMZN    45.0    45.0    NaN

Answer 1

我相信你需要创建DatetimeIndexby unstack，然后shift是10几天和最后stack：market_df['price_in_10_days']  = market_df['open'].unstack().shift(-1, freq='10D').stack()print (market_df)                      open  close  price_in_10_daysdate       assetName                               2007-02-01 AAPL       20.0   20.5              22.3           GOOGL      30.9   30.6              35.0           AMZN       40.0   40.5              45.02007-02-11 AAPL       22.3   22.3               NaN           GOOGL      35.0   35.0               NaN           AMZN       45.0   45.0               NaN