bigjdawg43's questions

我在 Power BI 中有一个名为“组合”的表，其中有一列名为“日期”，该日期从 2003 年 12 月 31 日开始，到 2024 年 10 月 28 日结束，并将继续每周更新。在表中，我还有一个名为 MonthEnd 的列，它根据日期列标识月份的最后一天，还有一个名为 QuarterEnd 的列，它根据日期列标识季度的最后一天。

目前，MonthEnd 列工作正常，因为即使 Dates 列中的最后一个日期是 10/28/2024，MonthEnd 列中也会显示 10/31/2024，因为我使用了下面的公式，该公式根据日历查看月份的最后一天，与实际数据集中包含的内容无关。

MonthEnd2 = EOMONTH(combined[Dates], 0)

但是，对于 QuarterEnd 列，我使用了不同的公式（因为似乎没有可用的与我使用的月度公式相当的公式），因此结果是错误的，因为该公式仅包含 Dates 列而不是整个日历季度（并且，Dates 列结束于 2024 年 10 月 28 日。

QuarterEnd = ENDOFQUARTER(combined[Dates])

我试图找到日历季度的季度结束日期，而不管日期列中的内容是什么。以下是表格本身的片段。

您可以在最后一行清楚地看到问题，其中 Date 列为 10/28/2024，MonthEnd 列为 10/31/2024（正确），QuarterEnd 列为 10/28/2024（不正确），更正后的 QuarterEnd 列为 12/31/2024（正确）。

我还尝试将其作为 DAX 中的计算列来执行，以促进我的下游工作流程。任何帮助都值得感激。

谢谢。

我正在尝试遍历数据框列表并做两件事，用“_”替换空格（我已经这样做了）并在每个数据框的第一列添加后缀。我知道我可以通过下面循环中的打印行访问每个数据框的第一列，但我无法在第一列添加后缀。有人可以帮忙吗？

样本数据：

import pandas as pd

px_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'A df': [58.63, 21.25, 19.17, 18.8],
        'B df': [35,105,27,98]}

SC_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'A df': [20.50, 6, 82, 74.6],
        'B df': [74,62,8,99]}

SMA_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'A df': [2, 95.3, 39, 68.27],
        'B df': [58,37,74,11]}

px = pd.DataFrame(px_data)
SC = pd.DataFrame(SC_data)
SMA = pd.DataFrame(SMA_data)

dfs=[px,SC,SMA]
   
for i in range(len(dfs)):
    dfs[i].columns = dfs[i].columns.str.replace(' ', '_')
    print(dfs[i].columns[0])

我有三个时间序列数据框

df_list=[px, SC, SMA]

每个数据框都有相同的列和相同的日期。我还有一个证券清单（为举例而精简）：

securities3=['SPX Index','BIL US Equity']

我正在尝试做类似下面的事情，但它的语法不正确：

for df in df_list:
    for col in df.columns:       
        if col==securities3:
            ***create new dataframe here***

换句话说，我想要遍历 df_list 中的每个数据框，在 df 的每一列中，当该列与 securities3 的组成部分匹配时，我想要由这三列（每个数据框一列，匹配 securities3 列表）形成一个新的数据框。

为了提供更多详细信息，请参见下面的示例数据：

import pandas as pd

px_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'SPX Index': [58.63, 21.25, 19.17, 18.8],
        'BIL US Equity': [35,105,27,98]}

SC_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'SPX Index': [20.50, 6, 82, 74.6],
        'BIL US Equity': [74,62,8,99]}

SMA_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
        'SPX Index': [2, 95.3, 39, 68.27],
        'BIL US Equity': [58,37,74,11]}

px = pd.DataFrame(px_data)
SC = pd.DataFrame(SC_data)
SMA = pd.DataFrame(SMA_data)

目标输出是：

SPX_data = {'Date': ['8/11/18', '8/12/18', '8/13/18', '8/14/18'],
     'SPX Index': [58.63, 21.25, 19.17, 18.8],
     'SPX Index': [20.50, 6, 82, 74.6],
     'SPX Index': [2, 95.3, 39, 68.27]}
    
SPX = pd.DataFrame(SPX_data)

我正在尝试在循环中创建 SPX 数据框（例如），因为列表（securities3）可能会发生变化。另外，作为参考点，因为这是一个更大过程的一部分，所以数据框中的列将始终与列表中的字符串（和位置）相同，就像本例中一样。

谢谢你的帮助。

我有一个如下所示的数据框。您可以看到，首先，SMA 列是故意与 Index Value 列重复的。我正在尝试调整 SMA 列，以便它成为简单计算的结果，类似于下面的效果，我认为这需要某种循环：

for i in range(len(df)):
    df['SMA'].loc[i,"SMA"]= df['SMA'].loc[i-1,"SMA"] + df['SMA'].loc[i,"ER"] * (df['SMA'].loc[i,"Index Value"] - df['SMA'].loc[i-1,"SMA"])

换句话说，我试图取“SMA”的当前行，并将其作为“SMA”前一行的输出 + “ER”的当前行乘以“索引值”的当前行与“SMA”前一行之间的差值

data = {
    'Date': ['9/5/2023', '9/6/2023', '9/7/2023', '9/8/2023', '9/11/2023', '9/12/2023', 
             '9/13/2023', '9/14/2023', '9/15/2023', '9/18/2023', '9/19/2023', '9/20/2023', 
             '9/21/2023', '9/22/2023', '9/25/2023', '9/26/2023', '9/27/2023', '9/28/2023', 
             '9/29/2023'],
    'Index Value': [4496.83, 4465.48, 4451.14, 4457.49, 4487.46, 4461.9, 4467.44, 
                    4505.1, 4450.32, 4453.53, 4443.95, 4402.2, 4330, 4320.06, 
                    4337.44, 4273.53, 4274.51, 4299.7, 4288.05],
    'ER': [0.15066, 0.157105, 0.218561, 0.233893, 0.233709, 0.191352, 0.090935, 
           0.398004, 0.127833, 0.062296, 0.198933, 0.382776, 0.494406, 0.541878, 
           0.44323, 0.489456, 0.466276, 0.396806, 0.52569],
    'SMA': [4496.83, 4465.48, 4451.14, 4457.49, 4487.46, 4461.9, 4467.44, 4505.1, 
            4450.32, 4453.53, 4443.95, 4402.2, 4330, 4320.06, 4337.44, 4273.53, 
            4274.51, 4299.7, 4288.05]
}

df = pd.DataFrame(data)

由于我不擅长循环构造，为了避免循环，我尝试了类似下面的方法，虽然很接近，但不是我想要的。

df['SMA']=df['SMA'].shift(1) + df['ER'] * (df['Index Value'] - df['SMA'].shift(1))

之所以它不完全符合我的要求是因为我希望索引值列的第一个数字与 SMA 的第一个值相匹配，并且公式仅在该点之后应用（这就是为什么似乎需要循环）。

综上所述，并考虑到目标，有人能否建议完成这项任务的最佳方法是什么？