Ho la seguente dataframe con i dati di negoziazione:Pandas: funzione di livellamento esponenziale per la colonna
df = pd.DataFrame({
'Trader': 'Carl Mark Carl Joe Mark Carl Max Max'.split(),
'Quantity': [5,2,5,10,1,5,2,1],
'Date' : [
DT.datetime(2013,1,1,13,0),
DT.datetime(2013,1,1,13,5),
DT.datetime(2013,2,5,20,0),
DT.datetime(2013,2,6,10,0),
DT.datetime(2013,2,8,12,0),
DT.datetime(2013,3,7,14,0),
DT.datetime(2013,6,4,14,0),
DT.datetime(2013,7,4,14,0),
]})
df.index = [df.Date, df.Trader]
spero di calcolare le statistiche settimanali per ogni operatore con i volumi medi di ordine. Per farlo sono attualmente unstacking colonna commerciante e ricampionare i dati utilizzando:
df.unstack('Trader').resample('1W', how='mean').fillna(0)
C'è qualche possibilità di compte anche una colonna per ogni operatore con una funzione di tendenza per il volume degli scambi (preferibilmente una funzione di livellamento esponenziale base sulle precedenti operazioni del commerciante)?
Grazie
Andy
'df.unstack ('Trader') fillna (0) .resample ('1W', come = 'media')' genera un errore.. Puoi correggere l'esempio in modo che possiamo capire la tua situazione in modo più chiaro? – unutbu
Ciao unutbu, grazie per il tuo commento. Scusa, ho dimenticato di specificare l'indice separatamente. Prova con il DataFrame aggiornato. Grazie – Andy