Wektoryzowane przeglądanie wartości w ramce danych Pandy

Question

Mam dwie ramki danych pandy o nazwie "zamówienia" i kolejną o nazwie "daily_prices". daily_prices jest następujący:

   AAPL GOOG  IBM XOM 
2011-01-10 339.44 614.21 142.78 71.57 
2011-01-13 342.64 616.69 143.92 73.08 
2011-01-26 340.82 616.50 155.74 75.89 
2011-02-02 341.29 612.00 157.93 79.46 
2011-02-10 351.42 616.44 159.32 79.68 
2011-03-03 356.40 609.56 158.73 82.19 
2011-05-03 345.14 533.89 167.84 82.00 
2011-06-03 340.42 523.08 160.97 78.19 
2011-06-10 323.03 509.51 159.14 76.84 
2011-08-01 393.26 606.77 176.28 76.67 
2011-12-20 392.46 630.37 184.14 79.97 

zamówienia jest następujący:

  direction size ticker prices 
2011-01-10  Buy 1500 AAPL 339.44 
2011-01-13  Sell 1500 AAPL 342.64 
2011-01-13  Buy 4000 IBM 143.92 
2011-01-26  Buy 1000 GOOG 616.50 
2011-02-02  Sell 4000 XOM 79.46 
2011-02-10  Buy 4000 XOM 79.68 
2011-03-03  Sell 1000 GOOG 609.56 
2011-03-03  Sell 2200 IBM 158.73 
2011-06-03  Sell 3300 IBM 160.97 
2011-05-03  Buy 1500 IBM 167.84 
2011-06-10  Buy 1200 AAPL 323.03 
2011-08-01  Buy 55 GOOG 606.77 
2011-08-01  Sell 55 GOOG 606.77 
2011-12-20  Sell 1200 AAPL 392.46 

indeks obu dataframes jest datetime.date. Kolumna "ceny" w ramce danych zamówienia "zamówienia" została dodana przy użyciu funkcji sprawdzania listy, aby przejrzeć wszystkie zamówienia i wyszukać konkretny znacznik dla konkretnej daty w ramce danych "dzienny_prices", a następnie dodać tę kolumnę jako kolumnę ramka danych "zamówienia". Chciałbym to zrobić za pomocą operacji tablicowej zamiast czegoś, co pętli. czy można to zrobić? Próbowałem użyć:

daily_prices.ix [daktyle, Blok]

ale ta zwraca macierz iloczyn kartezjański dwóch list. chcę, aby zwrócił wektor kolumnowy tylko ceny określonego znacznika dla określonej daty.

Answer 1

Użyj naszego przyjaciela lookup, przeznaczony właśnie do tego celu:

In [17]: prices 
Out[17]: 
       AAPL GOOG  IBM XOM 
2011-01-10 339.44 614.21 142.78 71.57 
2011-01-13 342.64 616.69 143.92 73.08 
2011-01-26 340.82 616.50 155.74 75.89 
2011-02-02 341.29 612.00 157.93 79.46 
2011-02-10 351.42 616.44 159.32 79.68 
2011-03-03 356.40 609.56 158.73 82.19 
2011-05-03 345.14 533.89 167.84 82.00 
2011-06-03 340.42 523.08 160.97 78.19 
2011-06-10 323.03 509.51 159.14 76.84 
2011-08-01 393.26 606.77 176.28 76.67 
2011-12-20 392.46 630.37 184.14 79.97 

In [18]: orders 
Out[18]: 
        Date direction size ticker prices 
0 2011-01-10 00:00:00  Buy 1500 AAPL 339.44 
1 2011-01-13 00:00:00  Sell 1500 AAPL 342.64 
2 2011-01-13 00:00:00  Buy 4000 IBM 143.92 
3 2011-01-26 00:00:00  Buy 1000 GOOG 616.50 
4 2011-02-02 00:00:00  Sell 4000 XOM 79.46 
5 2011-02-10 00:00:00  Buy 4000 XOM 79.68 
6 2011-03-03 00:00:00  Sell 1000 GOOG 609.56 
7 2011-03-03 00:00:00  Sell 2200 IBM 158.73 
8 2011-06-03 00:00:00  Sell 3300 IBM 160.97 
9 2011-05-03 00:00:00  Buy 1500 IBM 167.84 
10 2011-06-10 00:00:00  Buy 1200 AAPL 323.03 
11 2011-08-01 00:00:00  Buy 55 GOOG 606.77 
12 2011-08-01 00:00:00  Sell 55 GOOG 606.77 
13 2011-12-20 00:00:00  Sell 1200 AAPL 392.46 

In [19]: prices.lookup(orders.Date, orders.ticker) 
Out[19]: 
array([ 339.44, 342.64, 143.92, 616.5 , 79.46, 79.68, 609.56, 
     158.73, 160.97, 167.84, 323.03, 606.77, 606.77, 392.46])