Question

我有一个分钟股票收益率的数据框，我想创建一个新列，该列取决于是否超过了收益率（正负），如果是，则该行等于限制（正负），否则等于已检查的最后一列。下面的示例说明了这一点：

import pandas as pd
dict = [
        {'ticker':'jpm','date': '2016-11-28','returns1': 0.02,'returns2': 0.03,'limit': 0.1},
{ 'ticker':'ge','date': '2016-11-28','returns1': 0.2,'returns2': -0.3,'limit': 0.1},
{'ticker':'fb', 'date': '2016-11-28','returns1': -0.2,'returns2': 0.5,'limit': 0.1},
]
df = pd.DataFrame(dict)
df['date']      = pd.to_datetime(df['date'])
df=df.set_index(['date','ticker'], drop=True)

目标将是这样：

                   fin_return  limit  returns1  returns2
date       ticker                                       
2016-11-28 jpm           0.03    0.1      0.02      0.03
           ge            0.10    0.1      0.20     -0.30
           fb           -0.10    0.1     -0.20      0.50

因此，在第一行中，收益率从未超过限制，因此该值等于收益率2（0.03）中的值。在第2行中，收益超过了上行，因此该值应为正极限。在第3行中，收益率首先在下行方向超出，因此该值应为负极限。

我的实际数据帧有几千列，所以我不太确定如何执行此操作（可能是循环？）。我感谢任何建议。

该想法是测试止损或限价交易算法。无论何时触发下限，它都应将下一行替换为下限，上限也是如此，以该行中的先行者为准。因此，一旦触发了任何一个，就应该测试下一行。

我要添加一个示例，在此处再增加一列，以使其更加清晰（限制为+/- 0.1）

                   fin_return  limit  returns1  returns2 returns3
date       ticker                                       
2016-11-28 jpm           0.02    0.1      0.01      0.04    0.02
           ge            0.10    0.1      0.20     -0.30    0.6
           fb           -0.10    0.1     -0.02     -0.20    0.7

在第一行中，从未触发过限制，直到最终收益是来自returns3（0.02）。在第2行中，限制在返回值1的上方触发，因此fin_return等于上限（在该行中，在returns2和return 3中发生的任何事情都不相关）。在第3行中，返回2的下行超出了限制，因此fin_return变为-0.1，而return3中的任何内容都不相关。

Answer 1

使用：

dict = [
        {'ticker':'jpm','date': '2016-11-28','returns1': 0.02,'returns2': 0.03,'limit': 0.1,'returns3':0.02},
{ 'ticker':'ge','date': '2016-11-28','returns1': 0.2,'returns2': -0.3,'limit': 0.1,'returns3':0.6},
{'ticker':'fb', 'date': '2016-11-28','returns1': -0.02,'returns2': -0.2,'limit': 0.1,'returns3':0.7},
]
df = pd.DataFrame(dict)
df['date']      = pd.to_datetime(df['date'])
df=df.set_index(['date','ticker'], drop=True)

#select all columns without first (here limit column)
df1 = df.iloc[:, 1:]

#comapre if all columns under +-limit
mask = df1.lt(df['limit'], axis=0) & df1.gt(-df['limit'], axis=0) 
m1 = mask.all(axis=1)
print (m1)
date        ticker
2016-11-28  jpm        True
            ge        False
            fb        False
dtype: bool

#replace first columns in limit with NaNs and back filling missing values, seelct first col
m2 = df1.mask(mask).bfill(axis=1).iloc[:, 0].gt(df['limit'])
print (m2)
date        ticker
2016-11-28  jpm       False
            ge         True
            fb        False
dtype: bool

arr = np.select([m1,m2, ~m2], [df1.iloc[:, -1], df['limit'], -df['limit']])
#set first column in DataFrame by insert
df.insert(0, 'fin_return', arr)
print (df)
                   fin_return  limit  returns1  returns2  returns3
date       ticker                                                 
2016-11-28 jpm           0.02    0.1      0.02      0.03      0.02
           ge            0.10    0.1      0.20     -0.30      0.60
           fb           -0.10    0.1     -0.02     -0.20      0.70

条件If语句应用于数据框的多列

1 个答案: