Pandas 基于相互依赖的滞后值计算列

Posted 2023-03-12

【中文标题】Pandas 基于相互依赖的滞后值计算列

【英文标题】：Pandas calculating column based on inter-dependent lagged values

【发布时间】：2018-12-26 17:56:23

【问题描述】：

我有一个如下所示的数据框。最右边的两列是我想要的列：

Open    Close   open_to_close   close_to_next_open  open_desired    close_desired
0          0       0                  3             0                  0
0          0       4                  8             3                  7
0          0       1                  1            15                 16

计算如下：

open_desired = close_desired(prior row) + close_to_next_open(prior row)
close_desired = open_desired + open_to_close

如何以循环方式实现以下内容？我正在尝试这样做直到最后一行。

 df = pd.DataFrame('open': [0,0,0], 'close': [0,0,0], 'open_to_close': [0,4,1], 'close_to_next_open': [3,8,1]) 
 df['close_desired'] = 0 
 df['open_desired'] = 0
 ##First step is to create open_desired in current row which is dependent on close_desired in previous row
 df['open_desired'] = df['close_desired'].shift() + df['close_to_next_open'].shift()
 ##second step is to create close_desired in current row which is dependent on open_desired in current row
 df['close_desired'] = df['open_desired'] + df['open_to_close']
 df.fillna(0,inplace=True)

【问题讨论】：

有什么问题？

我发现了两个问题。您需要初始化列“close_desired”，并且在第二行代码中您有一个错字（“close”应该是“close”）。最后做一个df.fillna(0,inplace=True)。

@xyzjayne 谢谢，做了第二行编辑。我是 python 新手。如何初始化“close_desired”？

df['close_desired'] = 0

没有该行，df 在第一行有两个 NaN 条目，因为 shift() 为第一行生成 NaN 值。 fillna 用零替换 NaN。

【参考方案1】：

我能想到的唯一方法是使用iterrows()

for row, v in df.iterrows():
    if row>0:
        df.loc[row,'open_desired'] = df.shift(1).loc[row, 'close_desired'] + df.shift(1).loc[row, 'close_to_next_open']
        df.loc[row,'close_desired'] = df.loc[row, 'open_desired'] + df.loc[row, 'open_to_close']

【讨论】：

感谢您的解决方案！ if row>0 在循环中做什么？

它避免了第一行，因为它会写一个 NaN，它会被结转并将所有值呈现为 NaN

它对我有用。在接受此答案之前稍等片刻，以免阻止其他用户回答。