df['交易天数'] = df.groupby('股票代码').size() df['交易日期'] = pd.to_datetime(df['交易日期']) df.set_index('交易日期', inplace=True) r_data = df.groupby('股票代码').resample('M').agg({'开盘价': 'first', '收盘价': 'last','成交量':'sum','成交额':'sum'})
时间: 2023-08-20 22:51:14 浏览: 113
股票交易数据
根据你提供的代码,你想要计算每个股票代码在每个月的交易天数,并将结果存储在名为"交易天数"的新列中。下面是代码的正确顺序:
```python
df['交易日期'] = pd.to_datetime(df['交易日期'])
df.set_index('交易日期', inplace=True)
r_data = df.groupby('股票代码').resample('M').agg({'开盘价': 'first', '收盘价': 'last','成交量':'sum','成交额':'sum'})
df['交易天数'] = df.groupby('股票代码').size()
```
首先,将"交易日期"列转换为日期类型,并将其设置为DataFrame的索引。接下来,使用`groupby()`方法按照"股票代码"分组,并使用`resample()`方法按照月份重新采样数据。然后,使用`agg()`方法计算每个月的开盘价、收盘价、成交量和成交额的总和。最后,使用`groupby()`方法按照"股票代码"分组,并使用`size()`方法计算每个组的交易天数,并将结果存储在名为"交易天数"的新列中。
请注意,为了正确计算交易天数,你需要确保DataFrame中包含名为"股票代码"和"交易日期"的列。
如果还有问题,请提供更多关于你的DataFrame结构和数据的信息,我将尽力帮助你。
阅读全文