在pandas数据框中，用什么数据类型来表示货币？

Question

我有一个Pandas数据框，其中包含一个名为money的列，保留两位小数，比如"133.04"。没有三位或更多位小数的数字，只有两位。

我的尝试：Decimal模块

我尝试使用Decimal模块来处理这个问题，但是当我尝试像这样重新采样：

gr_by_price = df['price'].resample(timeframe, how='ohlc')

我明白了

pandas.core.groupby.DataError: No numeric types to aggregate

就在这之前，我检查了数据类型（dtype）。

print(type(df['price'][0]))
<class 'decimal.Decimal'>

我对这个库和货币处理都很陌生，也许 Decimal 不是正确的选择？ 我该怎么办？

如果我将此列转换为 <class 'numpy.float64'> ，一切都可以正常工作。

更新： 暂时我正在使用这种方法

d.Decimal("%0.2f" % float(d.Decimal("1.04")))
Decimal('1.04')

来自这个问题

- userqwerty1

---

很不幸，你需要使用 np.float64。只要不超出精度和限制，你就应该没问题。 - EdChum

@EdChum 嗯...我不会最终得到133.04变成133.05或133.03，对吧？所以我在重新采样之前将其转换为float64，重新采样后再转换为Decimal，对吧？ - userqwerty1

可能会发生这种情况，但通常不精确的情况发生在低位数字上，但如果最后转换为 Decimal 类型，它应该可以截断此部分。 - EdChum

@EdChum 谢谢。我现在会这样做。这里有一个有趣的部分 >>> d.Decimal(float(d.Decimal("1.04"))) Decimal('1.04000000000000003552713678800500929355621337890625') - userqwerty1

大多数情况下，您想要做的是将数字存储为浮点数，然后使用适当的格式进行显示。乐趣发生在第12或第13小数位，因此实际上很少出现问题。十进制不是核心数据类型（如int或float），因此使用起来可能很麻烦。请注意，在核心数据类型之外，pandas将事物存储为对象。使用info()方法检查数据类型。 - JohnE

Answer 1

我们曾经遇到过类似的问题；最好的解决方案是将其乘以100，并表示为整数（并使用/100进行打印/外部选项）。 这将导致快速准确的计算（1 + 2 == 3不像0.1 + 0.2！= 0.3）。

- Alex Ozerov

Answer 2

我曾经也遇到过这个问题，后来我使用的解决方案是将货币表示为其最小面额的倍数（例如，美元的一分钱）。 因此，类型应为int。 这种方法的优点如前所述在于，您可以执行无损整数计算。

Price (currency) = Multiplyer * Sub_unit

例如，对于美元而言，价格单位为美元，子单位为一分钱，乘数为100。

另一个需要提到的方面是这种方法在不同货币间也适用。例如，日元的最小面额为1日元，此时乘数为1。印尼盾的最小面额为1000盾，因此乘数也可以为1。你只需要记住每种货币的乘数即可。

事实上，你甚至可以创建一个自定义类来包装这个转换方法，这可能是最方便的解决方案。

- Charles

---

这样的自定义类如何与从CSV文件中读取的Pandas Dataframes一起工作？ - Martin Thoma

@Martin Thoma 我认为在使用DataFrame之前，您需要对其进行快速转换。 - Charles

Answer 3

你需要区分内部值表示和展示方式（在这里可以阅读更多关于MVC的内容）。由于你声明不需要其他类型的浮点数表示，我建议继续使用常规的float作为内部表示和数学计算（它是IEEE-754标准），并加入以下这行代码。

pd.options.display.float_format = '{:6.2f}'.format

在脚本的开头加入以下代码。这将使所有打印出来的值自动舍入到小数点后两位，而不会实际改变它们的值。（pd是pandas的常用别名）。

- igrinis

Answer 4

Decimal似乎是您的用例的一个相当合理的表示。这里的根本问题是pandas中的ohlc聚合器为了速度而调用cython，我认为cython无法使用Decimals。请参见：https://github.com/pandas-dev/pandas/blob/v0.20.3/pandas/core/groupby.py#L1203-L1212。相反，我认为最直接的方法是自己编写ohlc，以便它可以操作Decimals。

In [89]: index = pd.date_range('1/1/2000', periods=9, freq='T')

In [90]: series = pd.Series(np.linspace(0, 2, 9), index=index)

In [91]: series.resample('3T').ohlc()
Out[91]:
                     open  high   low  close
2000-01-01 00:00:00  0.00  0.50  0.00   0.50
2000-01-01 00:03:00  0.75  1.25  0.75   1.25
2000-01-01 00:06:00  1.50  2.00  1.50   2.00

In [92]: decimal_series = pd.Series([Decimal(x) for x in np.linspace(0, 2, 9)], index=index)

In [93]: def ohlc(x):
    ...:     x = x[x.notnull()]
    ...:     if x.empty:
    ...:         return pd.Series({'open': np.nan, 'high': np.nan, 'low': np.nan, 'close': np.nan})
    ...:     return pd.Series({'open': x.iloc[0], 'high': x.max(), 'low': x.min(), 'close':x.iloc[-1]})
    ...:
In [107]: decimal_series.resample('3T').apply(ohlc).unstack()
Out[107]:
                    close  high   low  open
2000-01-01 00:00:00   0.5   0.5     0     0
2000-01-01 00:03:00  1.25  1.25  0.75  0.75
2000-01-01 00:06:00     2     2   1.5   1.5

- Dan Frank