熊猫:引用其他行和其他数据的应用函数

Question

我正在尝试构建一个在df.apply()中使用的函数，该函数引用1)其他行，2)另一DatetimeIndex。

dt_index = DatetimeIndex(['2022-09-16', '2022-12-16', '2023-03-10', '2023-06-16',
               '2023-09-15', '2023-12-15', '2024-03-15', '2024-06-14'],
              dtype='datetime64[ns]', freq=None)

关于主要发展中国家：

df.index =   DatetimeIndex(['2022-08-30', '2022-08-31', '2022-09-01', '2022-09-02',
               '2022-09-03', '2022-09-04', '2022-09-05', '2022-09-06',
               '2022-09-07', '2022-09-08',
               ...
               '2024-08-20', '2024-08-21', '2024-08-22', '2024-08-23',
               '2024-08-24', '2024-08-25', '2024-08-26', '2024-08-27',
               '2024-08-28', '2024-08-29'],
              dtype='datetime64[ns]', name='index', length=731, freq=None)

df =                 3M      1Y      2Y         
                                                                         
2022-08-30    1.00    1.00    1.00    1.000000  
2022-08-31    2.50    2.50    2.50    2.500000  
2022-09-01    3.50    3.50    3.50    3.500000  
2022-09-02    5.50    5.50    5.50    5.833333  
2022-09-03    5.65    5.65    5.65    5.983333  
           ...     ...     ...         ...  ...    
2024-08-25  630.75  615.75  599.75  607.750000 
2024-08-26  631.75  616.75  600.75  608.750000  
2024-08-27  632.75  617.75  601.75  609.750000  
2024-08-28  633.75  618.75  602.75  610.750000  
2024-08-29  634.75  619.75  603.75  611.750000  

我的目标是使用一个函数：

对于每个索引值，

1. ，x，在df中，在dt_index中找到最近的两个值(下面有)

然后，

1. 在df中返回：(x - id_low) / (id_high - id_low)

def变换(x，dt_index)：id_low = dt_index.ilocdt_index.get_loc(x，method ='ffill') id_high = dt_index.ilocdt_index.get_loc(x，method ='bfill')

这是我不知道如何编写的第2部分，因为它引用了应用函数之外的df中的其他行。

任何帮助都很感激！

Answer 1

在修复代码中的不准确之处后，

您只需在函数中引用您的dataframe df：

def transform(x, dt_index):
    id_low = dt_index[dt_index.get_indexer([x.name], method ='ffill')][0]
    id_high = dt_index[dt_index.get_indexer([x.name], method ='bfill')][0]

    return (x - df.loc[id_low]) / (df.loc[id_high] - df.loc[id_low])

df.transform(transform, dt_index=dt_index, axis=1)

示例：

df = pd.DataFrame(np.arange(24).reshape(6, 4))
dt_index = pd.Index([0,2,5])

# Result:

          0         1         2         3
0       NaN       NaN       NaN       NaN
1  0.500000  0.500000  0.500000  0.500000
2       NaN       NaN       NaN       NaN
3  0.333333  0.333333  0.333333  0.333333
4  0.666667  0.666667  0.666667  0.666667
5       NaN       NaN       NaN       NaN

注：

NaN值是由于0/0的数学上未定义的结果所致：

当id_low == id_high == x.name.