如何使用一个数据帧列中的值更改来计算另一个数据帧列-解网

问：

假设我有一个数据帧。第一列是正数，称之为 PRICE。

第二列中的值（称为 MORELESS）只能是 1 或 -1，并且根据当前行中 PRICE 的值是大于（1）还是小于（-1）上一行中 price 的值来计算的。

这部分我可以编码OK。

现在，第三列，称为CHANGE，更难。

CHANGE 不一定每行都有一个值，并且仅在 MORELESS 更改（从 1 到 -1 或 -1 到 1）时计算。它是当前行和发生 CHANGE 的最后一行之间 VALUE 的百分比变化（即 MORELESS 更改 1/-1、-1/1）。这是我在excel中手工做的一个例子：

指数	价格	更多LESS	改变
1	148,25
2	143,53	-1	-3,18
3	139,94	-1
4	139,00	-1
5	140,31	1	-2,24
6	146,25	1
7	145,81	-1	3,92
8	144,59	-1
9	144,47	-1
10	146,53	1	0,49
11	145,34	-1	-0,81
12	145,31	-1
13	146,97	1	1,12
14	145,50	-1	-1,00
15	145,66	1	0,11
16	140,52	-1	-3,53
17	141,00	1	0,34
18	141,84	1
19	139,44	-1	-1,11
20	135,81	-1
21	139,75	1	0,22
22	141,28	1

例子：第 11 行中的 CHANGE 使用第 10 行中的 PRICE：100*（145.34-146.53）/146.53 第 21 行中的 CHANGE 使用第 19 行中的 PRICE：100*（139.75-139.44）/139.44

对 CHANGE 列进行编码的最佳方法是什么？

谢谢

Python Pandas 数据帧百分比计算列

import pandas as pd
import numpy as np


df['cs'] = (df['MORELESS'] != df['MORELESS'].shift()).astype(int).cumsum()
split = df[df['cs'] == 1].index[-1] + 1
df['test'] = np.nan


def my_func(x):
    aaa = df[df['cs'] == x['cs'].values[0] - 1].index[0]
    df.loc[x.index[0], 'test'] = 100 * ((df.loc[x.index[0], 'PRICE'] - df.loc[aaa, 'PRICE']) / df.loc[aaa, 'PRICE'])


df[split:].groupby('cs').apply(my_func)

print(df)

输出

    INDEX   PRICE  MORELESS  CHANGE  cs      test
0       1  148.25       NaN     NaN   1       NaN
1       2  143.53      -1.0   -3.18   2 -3.183811
2       3  139.94      -1.0     NaN   2       NaN
3       4  139.00      -1.0     NaN   2       NaN
4       5  140.31       1.0   -2.24   3 -2.243433
5       6  146.25       1.0     NaN   3       NaN
6       7  145.81      -1.0    3.92   4  3.919892
7       8  144.59      -1.0     NaN   4       NaN
8       9  144.47      -1.0     NaN   4       NaN
9      10  146.53       1.0    0.49   5  0.493793
10     11  145.34      -1.0   -0.81   6 -0.812120
11     12  145.31      -1.0     NaN   6       NaN
12     13  146.97       1.0    1.12   7  1.121508
13     14  145.50      -1.0   -1.00   8 -1.000204
14     15  145.66       1.0    0.11   9  0.109966
15     16  140.52      -1.0   -3.53  10 -3.528766
16     17  141.00       1.0    0.34  11  0.341588
17     18  141.84       1.0     NaN  11       NaN
18     19  139.44      -1.0   -1.11  12 -1.106383
19     20  135.81      -1.0     NaN  12       NaN
20     21  139.75       1.0    0.22  13  0.222318
21     22  141.28       1.0     NaN  13       NaN

如何使用一个数据帧列中的值更改来计算另一个数据帧列

How to use changes in values in one dataframe column to calculate another

评论

评论