使用pandas重塑股票价格数据框架后重置列索引

Question

我有一个股票每天开盘价和收盘价的数据框架。

    ticker          Date         Open        Close  
0      CAMT    2021-01-14    24.150000    24.740000  
1      CAMT    2021-01-15    24.540001    24.400000  
2         F    2021-01-14     9.810000    10.170000  
3         F    2021-01-15    10.040000     9.830000  
4      GKOS    2021-01-14    84.050003    86.709999  
5      GKOS    2021-01-15    86.250000    86.339996  

我从这个数据框创建了一个新的数据框，其中每行包含一个股票和每天的打开/关闭列。我使用了以下代码:

df.pivot(index='ticker', values=['Open', 'Close'], columns='Date').reset_index(drop=False)

它返回这个数据帧:

     ticker                Open                                   Close
Date        2021-01-14 00:00:00 2021-01-15 00:00:00 2021-01-14 00:00:00 2021-01-15 00:00:00
0      CAMT           24.150000           24.540001           24.740000           24.400000
1         F            9.810000           10.040000           10.170000            9.830000
2      GKOS           84.050003           86.250000           86.709999           86.339996
3      IGBH           25.180000           24.959999           25.110001           24.950001

我想重置列上的索引，如下所示:

     ticker        Open_14-01-2021      Close_14-01-2021     Open_15-01-2021    Close_15-01-2021     
0      CAMT           24.150000           24.540001           24.740000           24.400000
1         F            9.810000           10.040000           10.170000            9.830000
2      GKOS           84.050003           86.250000           86.709999           86.339996
3      IGBH           25.180000           24.959999           25.110001           24.950001

我试过了，但没有成功:

df.columns = df.columns.droplevel(0)

Answer 1

首先进行透视，然后使用简单的列表推导，通过连接每个级别的标签，将列上的MultiIndex折叠为一个简单的Index。然后我们重置索引，将'ticker'移回列中。

df = df.pivot(index='ticker', values=['Open', 'Close'], columns='Date')
df.columns = [f'{x}_{y.strftime("%d-%m-%Y")}' for x,y in df.columns]
df = df.reset_index()

---

  ticker  Open_14-01-2021  Open_15-01-2021  Close_14-01-2021  Close_15-01-2021
0   CAMT        24.150000        24.540001         24.740000         24.400000
1      F         9.810000        10.040000         10.170000          9.830000
2   GKOS        84.050003        86.250000         86.709999         86.339996