数据集中上升和下降值的差异

Posted 2021-04-28

这是我之前在Excel中所做的，但是现在在python中尝试，有点卡住。找不到相应的库或本机函数。我想，shift（）可以提供帮助，但我不知道该在哪里使用它

无需将所有股票代码保持在一个df中，它看起来更好imo

我制作了一个包含10个股票的漂亮数据集，这是一个示例：

                       symbol             open
2020-05-03 00:28:00   BCH/BTC     0.0295400000
2020-05-03 00:35:00   BCH/BTC     0.0291680000
*******************
2020-05-03 18:05:00   BCH/BTC     0.0282650000
2020-05-03 00:28:00   BNB/BTC     0.0019586000
*******************
2020-05-03 17:58:00   XTZ/BTC     0.0003064000
2020-05-03 18:05:00   XTZ/BTC     0.0003065000

[1520 rows x 6 columns]

如您所见，时间是一个索引，并且每个股票代号都相同

任务是再增加两列，例如：

                       symbol             open       is_advancing           ratio
2020-05-03 00:28:00   BCH/BTC     0.0295400000                Nan             Nan
2020-05-03 00:35:00   BCH/BTC     0.0291680000                 -1    0.9874069059
*******************
2020-05-03 18:05:00   BCH/BTC     0.0282650000                  1    1.0028452501
2020-05-03 00:28:00   BNB/BTC     0.0019586000                Nan             Nan
*******************
2020-05-03 17:58:00   XTZ/BTC     0.0003064000                  0               1
2020-05-03 18:05:00   XTZ/BTC     0.0003065000                  1    1.0003263707

[1520 rows x 6 columns]

is_advancing显示先前的值是较高，较小还是相同。 ratio显示当前和上一个之间的比率

我试图尽我所能地解释它，但是如果还有其他问题，请随时提出

答案

您的班次在正确的轨道上。您可以使用np.where（）根据条件分配新值。

df = pd.read_clipboard(sep=r"[ ]{2,}")

df['shift'] = df['open'].astype(float).shift(1)

df['is_advancing'] = np.where(df['open'] > df['shift'], 0, 1 )

df['ratio'] = df['open']/df['shift']

print(df)

    symbol  open    shift   is_advancing    ratio
2020-05-03 00:28:00 BCH/BTC 0.029540    NaN 1   NaN
2020-05-03 00:35:00 BCH/BTC 0.029168    0.02954 1   0.987407