Con Pandas puedes leer directamente de una base de datos usando SQL queries. Necesitarás el driver de la base de datos de turno.
http://pandas.pydata.org/pandas-docs/stable/io.html#sql-queries
Si ya tienes el dataframe se me ocurre una forma que no sé si será muy eficiente. Dejo el código y luego lo comento:
import numpy as np
import pandas as pd
df = pd.DataFrame({
'IdActivo': [1,2,3,3,2,1,3],
'Fecha' : [
'2009-01-01','2009-02-01','2009-02-01','2009-03-01',
'2009-03-01','2009-03-01','2009-04-01'
],
'Cierre' : [25.5,26.5,25.8,26.8,24.8,27.5,27.8]
})
def mediarara(df):
o = df.sort_values(by=['IdActivo', 'Fecha'])
o['movil'] = o['Cierre'].rolling(2).mean()
idx = o.iloc[1:]['IdActivo'].values != o.iloc[:len(o)-1]['IdActivo'].values
idx = np.append([True], idx)
o.loc[idx, 'movil'] = np.nan
return o['movil'].sort_index()
df['movil'] = mediarara(df)
print(df)
En realidad, lo único que habría que comentar es la función mediarara
. Línea a línea sería:
o = df.sort_values(by=['IdActivo', 'Fecha'])
ordena por los valores de las columnas IdActivo
y Fecha
. El resultado sería:
Cierre Fecha IdActivo
0 25.5 2009-01-01 1
5 27.5 2009-03-01 1
1 26.5 2009-02-01 2
4 24.8 2009-03-01 2
2 25.8 2009-02-01 3
3 26.8 2009-03-01 3
6 27.8 2009-04-01 3
o['movil'] = o['Cierre'].rolling(2).mean()
esta línea crea una columna con los valores de la media de los dos últimos valores. Dependiendo de la versión de pandas quizá rolling
no esté disponible y tengas que usar rolling_mean
. El resultado es:
Cierre Fecha IdActivo movil
0 25.5 2009-01-01 1 NaN
5 27.5 2009-03-01 1 26.50
1 26.5 2009-02-01 2 27.00
4 24.8 2009-03-01 2 25.65
2 25.8 2009-02-01 3 25.30
3 26.8 2009-03-01 3 26.30
6 27.8 2009-04-01 3 27.30
Ya tenemos la columna con la media móvil pero nos sobran valores que no cumplen los requisitos.
idx = o.iloc[1:]['IdActivo'].values != o.iloc[:len(o)-1]['IdActivo'].values
con esta línea veo cuando el IdActivo
de mi línea y de la línea anterior NO son iguales devolviéndome un array de booleanos.
idx = np.append([False], idx)
como la línea anterior me ha devuelto un array con N-1
elementos le añado uno al principio con True
ya que el primer elemento no tiene uno previo para promediar.
o.loc[idx, 'movil'] = np.nan
igualo los valores de la columna movil
que no cumplen a NaN
.
Y finalmente devuelvo la columna movil
ordenada por los índices originales.
Por tanto, el df
ahora dispondría de una nueva columna y tendría la siguiente forma:
Cierre Fecha IdActivo movil
0 25.5 2009-01-01 1 NaN
1 26.5 2009-02-01 2 NaN
2 25.8 2009-02-01 3 NaN
3 26.8 2009-03-01 3 26.30
4 24.8 2009-03-01 2 25.65
5 27.5 2009-03-01 1 26.50
6 27.8 2009-04-01 3 27.30