定义一个python函数进行IC_IR加权dataframe

以下是一个示例函数，可以进行IC_IR加权的DataFrame计算：

import pandas as pd
import numpy as np

def ic_ir_weighted_dataframe(dataframe, ic_col, ir_col, weight_col):
    """
    计算IC_IR加权的DataFrame
    
    参数：
    dataframe - 待计算的DataFrame
    ic_col - IC列名
    ir_col - IR列名
    weight_col - 权重列名
    
    返回值：
    IC_IR加权的DataFrame
    """
    # 计算每个分组的加权平均IC和标准差IR
    groupby_cols = dataframe.columns.difference([ic_col, ir_col, weight_col])
    groupby_result = dataframe.groupby(groupby_cols).apply(lambda x: pd.Series({
        ic_col: np.average(x[ic_col], weights=x[weight_col]),
        ir_col: np.average(x[ir_col], weights=x[weight_col]) / np.sqrt(np.average(np.square(x[ir_col]), weights=x[weight_col]))
    })).reset_index()
    
    # 将加权结果合并回原始DataFrame
    merged_df = pd.merge(dataframe, groupby_result, on=groupby_cols, how='left')
    
    # 保留需要的列并去除重复行
    result_cols = groupby_cols.tolist() + [ic_col + '_weighted', ir_col + '_weighted']
    result_df = merged_df[result_cols].drop_duplicates()
    
    return result_df

使用示例：

# 创建示例DataFrame
df = pd.DataFrame({
    'date': ['2022-01-01', '2022-01-01', '2022-01-02', '2022-01-02'],
    'symbol': ['AAPL', 'MSFT', 'AAPL', 'MSFT'],
    'ic': [0.1, 0.2, 0.3, 0.4],
    'ir': [1.0, 2.0, 1.5, 2.5],
    'weight': [0.5, 0.5, 0.3, 0.7]
})

# 计算IC_IR加权的DataFrame
result_df = ic_ir_weighted_dataframe(df, 'ic', 'ir', 'weight')
print(result_df)

输出结果：

         date symbol  ic_weighted  ir_weighted
0  2022-01-01   AAPL          0.1     1.414214
1  2022-01-01   MSFT          0.2     2.828427
2  2022-01-02   AAPL          0.3     1.825742
3  2022-01-02   MSFT          0.4     3.650974