在pandas dataframe中创建一个新列，其中包含基于另一行上的条件的选择值

Question

我有一个dataframe (df)，其中包含10列公司股票价格和相关数据。索引有许多不同的日期，但是有多个相同的日期(它是按日期排序的)。此外，此问题的重要列是df“cond1”和df“cond2”和df“‘Returns”。

这是一个只有2个索引值(1/21/2017和1/22/2017)的3列数据的例子，实际上有多个日期和多个变量，等等。

            Name    Cond1   Cond2   Returns
1/21/2017   Apple       2   4   0.052450819
1/21/2017   Blackberry  6   5   0.423446578
1/21/2017   Microsoft   3   2   0.073850562
1/21/2017   IBM         1   1   0.966576931
1/21/2017   Ubisoft     5   7   0.371786953
1/21/2017   Next        4   3   0.58357725
1/21/2017   Marks and Spencer   2   7   0.466737922
1/21/2017   Alpha       4   3   0.291305661
1/21/2017   Right move  6   2   0.206502435
1/21/2017   Topsy       7   5   0.655331635
1/21/2017   Pizza hut   4   7   0.295723144
1/21/2017   Mcdonalds   3   4   0.338535647
1/22/2017   IBM         2   3   0.975326708
1/22/2017   Next        1   5   0.70893239
1/22/2017   Alpha       1   3   0.362154048
1/22/2017   Blackberry  6   2   0.664525792
1/22/2017   Apple       6   6   0.363531989

现在我想创建两个列'Returns2‘和'Returns3’

Returns 2= dataframe中的新列，如果Cond1 < Cond2，则该列仅显示该特定公司的日期和12个期间的回报。

Returns 3= dataframe中的新列，如果为Cond1，则该列仅显示该特定公司提前1天和从该日起的12个期间的退货

因此，最终我希望该公司在12天内连续12次退货，满足Cond1的要求

Answer 1

你可以这样做：

df = df.set_index('Name', append=True).swaplevel().sort_index()
df.loc[df.Cond1< df.Cond2, 'returns2'] = True
df.returns2 = df.groupby(level=0).returns2.transform(lambda x: x.ffill(limit=12))
df.returns2 = df.returns2.mask(df.returns2.notnull(), df.Returns)
df.returns2
Name                  
Alpha       2017-01-21          NaN
            2017-01-22     0.362154
Apple       2017-01-21    0.0524508
            2017-01-22     0.363532
Blackberry  2017-01-21          NaN
            2017-01-22          NaN
IBM         2017-01-21          NaN
            2017-01-22     0.975327
Mcdonalds   2017-01-21     0.338536
Microsoft   2017-01-21          NaN
MnSpencer   2017-01-21     0.466738
Next        2017-01-21          NaN
            2017-01-22     0.708932
Pizzahut    2017-01-21     0.295723
Rightmove   2017-01-21          NaN
Topsy       2017-01-21          NaN
Ubisoft     2017-01-21     0.371787
Name: test, dtype: object