[Mr_NiceGuy]

Mirki, mam pytanie które wydaje się dość podstawowe ale naprawdę nie mogę nigdzie znaleźć satysfakcjonującej odpowiedzi.

Powiedzmy, że chcę generować dane finansowe dotyczące spółek giełdowych. Ponieważ cena akcji podawana jest codziennie a raporty dotyczące zadłużenia, zysków, czy wartości księgowej rzadziej (na przykład kwartalnie), wydaje mi się że optymalne jest rozdzielenie tych dwóch danych na dwie różne tabele:
- OHLC za każdy dzień
- Snapshot pokazujący dane finansowe z raportu za dany okres (np. pierwszy kwartał 2021)

Czy jest jakaś mądra - istniejąca już w pandas - metoda pozwalająca na zgrabne łączenie tych danych w jednym dataframe, czy muszę użyć apply() i napisać swoją (mniej wydajną) funkcję?

#datascience #pandas #python

[inny_89]

@Mr_NiceGuy generalnie używam pysparka ale obstawiam, że na 99% w pandasy też będziesz mieć .join()
Chyba, że nie to chcesz osiągnąć?

Inna sprawa, że jeśli potrzebujesz jakichś wskaźników do wyliczenia to co powstrzymuje Cię, żeby pracować na 2 różnych obiektach (dataframe)?

[IamHater]

Czy jest jakaś mądra - istniejąca już w pandas - metoda pozwalająca na zgrabne łączenie tych danych w jednym dataframe

@Mr_NiceGuy: Odpowiedź brzmi - prawdopodobnie tak. Natomiast dopóki nie napiszesz konkretnie, co chcesz łączyć i na jakiej logice, prawdziwej odpowiedzi nie da się udzielić. Sprawdź df.merge i napisz czy spełnia twoje potrzeby, a jeżeli nie, to już opisz konkretnie (jakie masz kolumny dimensions/measures, co ma być kluczem itd.)

[Mr_NiceGuy]

@inny_89: @IamHater:
Mam tabelę zawierającą ceny akcji i żeby nie duplikować wszystkich danych finansowych z raportu - osobną tabelę z danymi finansowymi. Celem jest skonstruowanie wykresu z wybranym wskaźnikiem tak, aby dla każdej daty brana była wartość z danego kwartału.

Można by w sumie to skleić obliczając sobie datę pierwszego dnia danego kwartału tylko zastanawiam się czy nie ma lepszego i bardziej optymalnego rozwiązania już istniejącego (albo w ogóle lepszej

[IamHater]

@Mr_NiceGuy:

df1.merge(df2, how='left', lefton='Date', righton='FROM').ffill()

No i ta ostatnia kolumna na koniec. Zobacz w ten sposób. btw. Underscore psuje formatowanie, tam jest left-on i right-on, _ zamiast -. Format kolumn po których mergujesz musi się zgadzać ofc, ale to pandasy powinny sparsować automatycznie do datetime AFAIK.

[Mr_NiceGuy]

@IamHater: a to nie merguje jedynie pasujących indeksów, czyli 1 stycznia i 1 kwietnia będą miały match a cała reszta nie?

[IamHater]

@Mr_NiceGuy: Na końcu jest forward fill - na puste "miejsca" wstawi pierwszą wartość leżącą powyżej

[Mr_NiceGuy]

@IamHater: Dzięki stary, dokładnie tego szukałem - ffill().

[IamHater]

@Mr_NiceGuy: my pleasure.