Question

********更新了问题，更好的代码示例，现在使用列表理解**********

我正在尝试使用pandas和talib每周滚动技术指标。

通过“每周滚动”我的意思是，如果例如今天是星期四，则今天的ADX周价值将仅使用此星期四，前一个星期四等来计算。每周一次ADX系列中的ADX仅使用周三等计算。所以现在，有一天过去了，我们站在星期五，只有星期五应该用来计算每周ADX。最后，ADX系列就是所有这些ADX附加在一个系列中。

目前，我使用列表推导生成5个列在“adxs_list”中的列表，每个列表是一周中的某一天。因此，例如，adxs_list [0]显示仅使用星期一计算的talib.ADX值，adxs_list [1]，显示仅使用星期二计算的talib.ADX值，依此类推。

现在，当我试图将这些列表放回原始数据帧时，我陷入困境。试图将它们混合在一起，然后将它们添加到DataFrame但无法弄明白......

所以问题是，如何将这些计算加入到关于df索引的原始数据框中？

import pandas as pd
import numpy as np
import talib

df  = pd.DataFrame(np.random.randn(1000,4),
    index=pd.date_range(pd.datetime(2000,3,30), freq='B', periods=1000),
    columns =['PX_OPEN', 'PX_LAST', 'PX_HIGH', 'PX_LOW'] )

lista4 = ['W-MON','W-TUE','W-WED','W-THU','W-FRI']

adxs_list = [([talib.ADX(df['PX_HIGH'].resample(w).values, 
                      df['PX_LOW'].resample(w).values, df['PX_LAST'].resample(w).values
                      , timeperiod=3)]) for w in lista4]

正试图这样做：

adxs_frame = reduce(pd.DataFrame.combine_first,adxs_list)

得到了这个错误：

TypeError：必须使用DataFrame实例作为第一个参数调用unbound方法combine_first（）（获取列表实例）

Answer 1

最后，我想我想通了。必须转置然后重新分配原始索引。不确定它是否是最快的方式，但在这里：

import pandas as pd
import numpy as np
import talib

df  = pd.DataFrame(np.random.randn(100,4),
    index=pd.date_range(pd.datetime(2000,3,30), freq='B', periods=100),
    columns =['PX_OPEN', 'PX_LAST', 'PX_HIGH', 'PX_LOW'] )


lista3 = ['PX_OPEN', 'PX_LAST', 'PX_HIGH', 'PX_LOW']
lista4 = ['W-MON','W-TUE','W-WED','W-THU','W-FRI']
i0=[]
i1=[]
i2=[]
i3=[]
i4=[]

adxs_list = [([talib.ADX(df['PX_HIGH'].resample(w).values, 
                      df['PX_LOW'].resample(w).values, df['PX_LAST'].resample(w).values
                      , timeperiod=3)]) for w in lista4]

    # transposing the arrays and assigning them the original index of that week day
for u,v in [(u,v) for u,v in zip(range(5),lista4)]:    
    r = "i{0} = pd.DataFrame(adxs_list[{0}]).transpose().set_index(df.PX_OPEN.resample('{1}').index)".format(u,v)    
    exec r

    # combining all the new dataframes into a single dataframe (respecting their indexes)
y0 = [i0, i1, i2, i3, i4]   
i_frame = reduce(pd.DataFrame.combine_first, y0)

    # merging this new dataframe into the original df
df = df.merge(i_frame, left_index=True, right_index=True)

    # for some strange reason new column is named 0, so renaming it 
names = df.columns.values
names[-1] = 'ADX_w'
df.columns = names

使用talib，python和pandas滚动每周技术指标。

1 个答案: