我有一個資料框，其中包含金融資產的收盤價和買入/賣出信號。我的目標是創建一個包含買賣日對的新資料框。
目前，我通過迭代原始 DataFrame 并保存價值和購買日期來創建這個新的 DataFrame。
import pandas as pd
df = pd.DataFrame({
'close': [30.0,29.39,29.24,22.2,19.01,26.9,13.92,5.05,13.11,14.94,16.33,14.57,15.91,21.06,22.05,
24.66,18.96,6.6,5.35,7.76],
'buy_signal': [False,False,True,False,False,False,False,False,True,True,False,False,False,False,
False,False,True,False,False,True],
'sell_signal': [True,False,False,False,True,True,True,False,False,False,False,False,False,True,
False,False,False,False,False,False],
})
df['date'] = ['2022-02-28','2022-03-01','2022-03-02','2022-03-03','2022-03-04','2022-03-07',
'2022-03-08','2022-03-09','2022-03-10','2022-03-11','2022-03-14','2022-03-15',
'2022-03-16','2022-03-17','2022-03-18','2022-03-21','2022-03-22','2022-03-23',
'2022-03-24','2022-03-25',]
df = df.set_index('date')
def get_positions(dt):
positions = {
'buy_price': [],
'sell_price': [],
'buy_date': [],
'sell_date': [],
}
buying = False
for row in df.itertuples():
if buying is False and row.buy_signal is True:
buying = True
positions['buy_date'].append(row.Index)
positions['buy_price'].append(row.close)
if buying is True and row.sell_signal is True:
buying = False
positions['sell_date'].append(row.Index)
positions['sell_price'].append(row.close)
positions['buy_price'] = positions['buy_price'][:len(positions['sell_price'])]
positions['buy_date'] = positions['buy_date'][:len(positions['sell_date'])]
positions = pd.DataFrame(positions)
positions['profit'] = positions['sell_price'] - positions['buy_price']
return positions
positions = get_positions(df)
positions
盡管這種方法有效，但我發現迭代 DataFrame 是一種反模式，并且對于非常大的 DataFrame 來說是一個非常緩慢的例程。
所以我想知道是否有另一種方法來做這些買賣日對。
uj5u.com熱心網友回復：
我認為您可以將資料框拆分為帶有賣出（df_sell在下面的代碼中）和買入（df_buy在下面的代碼中）信號的資料框，并使用帶有方向的pd.merge_asofforward將它們合并，然后用 NaN 過濾掉行。
def get_positions(df):
df.index = pd.to_datetime(df.index)
df['date_col'] = df.index
df_buy = df.loc[df['buy_signal'] == True]
df_sell = df.loc[df['sell_signal'] == True]
df_positions = pd.merge_asof(left=df_buy, right=df_sell, right_index=True, left_index=True, direction='forward')
df_positions.drop_duplicates(subset=['date_col_y'], keep='first', inplace=True)
df_positions.dropna(inplace=True)
positions = pd.DataFrame({
'buy_price': df_positions['close_x'],
'sell_price': df_positions['close_y'],
'buy_date': df_positions['date_col_x'],
'sell_date': df_positions['date_col_y'],
'profit': df_positions['close_y'] - df_positions['close_x'] })
return positions
如果您還想保持與前一天共享相同賣出日期的買入日期（示例資料中為 2022-03-11），您可以洗掉該行
df_positions.drop_duplicates(subset=['date_col_y'], keep='first', inplace=True)
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/450706.html