Python Pandas 迭代和索引

Posted 2023-03-12

【中文标题】Python Pandas 迭代和索引

【英文标题】：Python Pandas iteration and indexing

【发布时间】：2020-08-11 21:36:27

【问题描述】：

我正在计算处于 1 年高点的股票数量 - 1 年低点的股票数量的每日价值。我有一个名为 stocks 的 DataFrame，其中包含股票价格。

以下是正确的（我认为），但效率极低。

#get output frame
high_minus_low = pd.DataFrame(columns = ["High minus Low"], index = stocks.index)


no_highs=0
no_lows=0


#assume 260 trading days in the year
for row in range(260):
    row = 260 + row

    #iterate over stocks in the index
    for col in range(len(stocks.columns)):
        latest = stocks.iloc[row,col]
        high = stocks.iloc[(row-260):row, col].max()
        low = stocks.iloc[(row-260):row, col].min()
        if latest >= high: no_highs = no_highs +1
        if latest <= low: no_lows = no_lows + 1

    #write to output
    high_minus_low.iloc[row,0] = no_highs - no_lows
    no_highs=0
    no_lows=0
    print(".\n")

谁能提出更有效的实施方案？

谁能建议一个依赖于索引（在日期中完成）而不是像我一样递增/递减坐标的实现？

提前致谢 - 我是 Python/编码初学者。

[编辑：]

输入样本：

Instrument     @AMZN  U:ABT  U:AES     @ABMD  ...  @MNST   U:LIN   @SBAC     @CHTR
Field              P      P      P         P  ...      P       P       P         P
Dates                                         ...                                 
2018-04-27  1572.620  59.56  12.31  301.7400  ...  56.19  153.23  158.95  263.3250
2018-04-30  1566.130  58.13  12.24  300.9500  ...  55.00  152.52  160.23  271.2900
2018-05-01  1582.260  58.82  12.21  310.5000  ...  55.20  153.30  157.50  279.3999
2018-05-02  1569.680  57.85  12.19  302.1399  ...  52.72  151.24  155.85  274.7800
2018-05-03  1572.075  57.93  12.30  335.5701  ...  52.31  152.84  156.16  271.3601

输出：

Dates                    
2018-04-27            NaN
2018-04-30            NaN
2018-05-01            NaN
2018-05-02            NaN
2018-05-03            NaN
                  ...
2020-04-07              0
2020-04-08              3
2020-04-09              6
2020-04-10              6
2020-04-13              4

输出简单的意思是：13日个股处于高位--个股处于低位是4个。

【问题讨论】：

您能添加您的输入数据和预期输出吗？在没有任何上下文的情况下很难对您的代码做出正面或反面

感谢您的建议。问题已编辑。

看看 Pandas rolling window: pandas.pydata.org/pandas-docs/stable/reference/api/… 你永远不应该按行/列迭代 DataFrame。 Pandas 具有以高效vectorized 方式完成此类工作所需的所有功能。

谢谢。我广泛地意识到这一点，但缺乏实现这一点的知识。因此，关于 SO 的问题。

【参考方案1】：

# assume 260 Trading days in a year
df_min = stocks.rolling(window=260).min() 
df_max = stocks.rolling(window=260).max() 

#compare and sum
df_is_peak   = (stocks == df_max).sum(axis=1)
df_is_trough = (stocks == df_min).sum(axis=1)

#Compute the indicator. use only the last 260 days
high_minus_low = df_is_peak - df_is_trough
high_minus_low = high_minus_low[260:]

嘘！