假设现在有一个dataframe，其中有三列，分别为ticker，close，open，现在我想对close和open都按照ticker分类，并输入函数function作为参数

如果你想根据`ticker`列对DataFrame的`close`和`open`列分别应用自定义函数，可以使用Pandas提供的`groupby`功能。首先，你需要定义你的函数`function`，它接收一个Series作为参数并返回处理后的结果。然后，你可以按需对每一组数据（每个ticker下的数据）应用这个函数。

这里是一个基本的步骤示例：

import pandas as pd

def function(column_series):
    # 这里是你想对每个ticker的数据进行的操作，比如计算差值、移动平均等
    # 假设我们计算收盘价和开盘价的百分比变化
    return column_series.pct_change()

# 假设你的DataFrame名为df，且已经读取好数据
df_grouped = df.groupby('ticker') \
           .apply(function, args=('close',))  # 对close列应用function
df_grouped['open_function'] = df.groupby('ticker') \
                                    .apply(function, args=('open',))  # 对open列同样操作

# 现在df_grouped中，每个ticker都有了各自close和open列应用function后的结果

在这个例子中，`args=('close',)`表示你在`function`内部需要传入`column_series`的列名是`close`。如果`function`需要额外的信息，可以传递更多的参数。