尝试根据与if语句

时间:2017-04-17 16:53:32

标签: python function pandas dataframe

我正在学习Python&大熊猫和不同的股票计算练习。我试图用这个搜索帮助但是没有找到类似的响应,或者根本不理解如何根据之前的反应推断出正确的方法。

我已经将datareader的给定时间范围的库存数据读入数据帧df。在df中我有Date Volume和Adj Close列,我想用它们根据给定的标准创建一个新的列“OBV”。 OBV是一个累积值,它根据调整后的收盘价将今天的交易量增加或减少到之前的'天OBV。

OBV的计算很简单:

如果今天的Adj Close高于昨天的Adj Close,则将今天的成交量添加到昨天的(累计)成交量。

如果今天的Adj Close低于昨天的Adj Close,则从昨天的(累计)成交量中减去今天的成交量。

在第1天,OBV = 0

然后沿着时间框架重复,并且OBV累积。

这是基本的导入并开始

import numpy as np
import pandas as pd
import pandas_datareader

import datetime
from pandas_datareader import data, wb

start = datetime.date(2012, 4, 16)
end = datetime.date(2017, 4, 13)

# Reading in Yahoo Finance data with DataReader
df = data.DataReader('GOOG', 'yahoo', start, end)

import matplotlib
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

#This is what I cannot get to work, and I've tried two different ways.

#ATTEMPT1

def obv1(column):
    if column["Adj Close"] > column["Adj close"].shift(-1):
        val = column["Volume"].shift(-1) + column["Volume"]
    else:
        val = column["Volume"].shift(-1) - column["Volume"] 
    return val

df["OBV"] = df.apply(obv1, axis=1)

#ATTEMPT 2

def obv1(df):
    if df["Adj Close"] > df["Adj close"].shift(-1):
        val = df["Volume"].shift(-1) + df["Volume"]
    else:
        val = df["Volume"].shift(-1) - df["Volume"] 
    return val

df["OBV"] = df.apply(obv1, axis=1)

两个都给我一个错误。

1 个答案:

答案 0 :(得分:4)

考虑数据框df

np.random.seed([3,1415])
df = pd.DataFrame(dict(
        Volume=np.random.randint(100, 200, 10),
        AdjClose=np.random.rand(10)
    ))

print(df)

   AdjClose  Volume
0  0.951710     111
1  0.346711     198
2  0.289758     174
3  0.662151     190
4  0.171633     115
5  0.018571     155
6  0.182415     113
7  0.332961     111
8  0.150202     113
9  0.810506     126

Volume中的更改为否定时,将AdjClose乘以-1。然后cumsum

(df.Volume * (~df.AdjClose.diff().le(0) * 2 - 1)).cumsum()

0    111
1    -87
2   -261
3    -71
4   -186
5   -341
6   -228
7   -117
8   -230
9   -104
dtype: int64

df

的其余部分包括在内
df.assign(new=(df.Volume * (~df.AdjClose.diff().le(0) * 2 - 1)).cumsum())

   AdjClose  Volume  new
0  0.951710     111  111
1  0.346711     198  -87
2  0.289758     174 -261
3  0.662151     190  -71
4  0.171633     115 -186
5  0.018571     155 -341
6  0.182415     113 -228
7  0.332961     111 -117
8  0.150202     113 -230
9  0.810506     126 -104