使用pandas对含时间戳的交易数据执行分组求和、求均值等条件计算

你可以直接使用pandas的命名聚合特性，单次分组即可完成所需计算，无需分开两次分组再合并：

# pandas 0.25 及以上版本支持的写法，直接生成目标字段
result = eur_jpy_order.groupby(
    ['TIMESTAMP', 'BUY_SELL_FLAG'],
    as_index=False # 保留分组键为普通列，无需后续reset_index
).agg(
    total_size=('SIZE', 'sum'), # 对SIZE字段求和，命名为total_size
    avg_price=('PRICE', 'mean') # 对PRICE字段求均值，命名为avg_price
)

如果你使用的是更早版本的pandas，不支持命名聚合语法，可以使用字典指定聚合规则后重命名列：

result = eur_jpy_order.groupby(
    ['TIMESTAMP', 'BUY_SELL_FLAG'],
    as_index=False
).agg({
    'SIZE': 'sum',
    'PRICE': 'mean'
}).rename(columns={
    'SIZE': 'total_size',
    'PRICE': 'avg_price'
})

以上两种写法最终输出的result就是你需要的结构，仅包含TIMESTAMP、BUY_SELL_FLAG、total_size、avg_price四个字段，每个时间戳对应买、卖各一条记录（如果对应类型有数据的话）。

内容的提问来源于stack exchange，提问作者havingaball